| 基于空间金字塔池化和深度卷积神经网络的作物害虫识别 |
| |
| 作者姓名： | 张博 张苗辉 陈运忠 |
| |
| 作者单位： | 1.河南省大数据分析与处理重点实验室,开封 475004,1.河南省大数据分析与处理重点实验室,开封 475004; 2.河南大学地理学博士后科研流动站,开封 475004,1.河南省大数据分析与处理重点实验室,开封 475004 |
| |
| 基金项目： | 国家自然科学基金（61802111）;河南省青年骨干教师资助课题（2017GGJS019）;河南省教育厅科学技术研究重点项目（19A520002）;、中国博士后面上基金（2015M582182）;河南省博士后基金（001703007） |
| |
| 摘 要： | 为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。
|
| 关 键 词： | 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 反卷积 |
| 收稿时间： | 2019-04-26 |
| 修稿时间： | 2019-08-15 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
