10.19692/j.issn.1006-1126.20230313
基于卷积神经网络的油茶害虫生态识别
害虫是影响油茶(Camellia spp.)产量的主要因素之一,对其进行准确识别有助于及时防控,减少损失.目前,油茶害虫识别研究缺少相关的数据集,限制了深度学习技术在油茶害虫识别中的应用.为给在生态环境下准确识别油茶害虫提供1种新范式,构建包含1116张7类害虫的油茶害虫识别图像数据集,采用4种目标检测算法(SSD、YOLOv3、YOLOX和RetinaNet)在该数据集上进行试验.结果表明,IOU阈值为0.5时,SSD的平均精度为93.50%,YOLOX为93.50%,RetinaNet为86.80%,YOLOv3为96.60%;SSD的平均召回率为73.20%,YOLOX为75.10%,RetinaNet为78.00%,YOLOv3为76.80%.综合分析,YOLOv3的检测和分类能力最优.
害虫识别、目标检测算法、油茶
52
S794.4(森林树种)
广西林业科技推广示范项目;中国—东盟华为人工智能创新中心补贴项目
2023-07-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
361-366