| 一种基于深度卷积神经网络的油菜虫害检测方法 |
| |
| 引用本文： | 李衡霞,龙陈锋,曾蒙,申佳.一种基于深度卷积神经网络的油菜虫害检测方法[J].湖南农业大学学报(自然科学版),2019,45(5). |
| |
| 作者姓名： | 李衡霞 龙陈锋 曾蒙 申佳 |
| |
| 作者单位： | 湖南农业大学信息科学技术学院,湖南 长沙 410128;湖南省农村农业信息化工程技术研究中心,湖南 长沙410128;湖南农业大学信息科学技术学院,湖南 长沙 410128;湖南省农村农业信息化工程技术研究中心,湖南 长沙410128;湖南农业大学信息科学技术学院,湖南 长沙 410128;湖南省农村农业信息化工程技术研究中心,湖南 长沙410128;湖南农业大学信息科学技术学院,湖南 长沙 410128;湖南省农村农业信息化工程技术研究中心,湖南 长沙410128 |
| |
| 基金项目： | 国家自然科学基金项目(61772031)；湖南省长株潭国家自主创新示范区专项(2017XK2054)；湖南省教育厅优秀青年项目(12B061)；湖南农业大学双一流建设项目(SYL201802002) |
| |
| 摘 要： | 针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,最后对比分析结果。油菜虫害检测模型利用VGG16网络提取油菜虫害图像的特征,区域候选网络生成油菜害虫的初步位置候选框,Fast R–CNN实现候选框的分类和定位。结果表明,该方法可实现对蚜虫、菜青虫(幼虫)、菜蝽、跳甲、猿叶甲5种油菜害虫的快速准确检测,平均准确率达94.12%,与RCNN、Fast R–CNN、多特征融合方法、颜色特征提取方法相比,准确率分别提高了28%、23%、12%、2%。
|
| 关 键 词： | 油菜害虫 检测 深度卷积神经网络 VGG16网络 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《湖南农业大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南农业大学学报(自然科学版)》下载免费的PDF全文 |
|
