基于多尺度特征提取深度残差网络的水稻害虫识别

【目的】在水稻生产过程中，针对不同虫害需要采用不同的防治方案，水稻害虫的准确识别分类是制定针对性防治方案的前提。【方法】采用深度学习结合机器视觉的方法，基于Res2Net结构提出了一种多尺度特征提取的深度残差网络，通过准确地提取害虫特征实现复杂自然背景下的水稻害虫识别；采用改进的残差结构，使用等级制的类残差连接取代了原本的3×3卷积核，增加了每个网络层的感受野，可以更细粒度地提取多尺度特征。【结果】本网络训练的模型能够有效地识别自然背景下的水稻害虫，在自建的包含22类常见水稻害虫的图像数据集上，平均识别准确率达到了92.023%，优于传统的ResNet、VGG等网络。【结论】本文提出的模型可应用于水稻虫情自动监测系统，为实现水稻害虫虫情的机器视觉监测提供参考。