基于卷积神经网络下昆虫种类图像识别应用研究

摘要：

昆虫种类图像识别是农业智能化识别虫害的重要方式,精准高效识别昆虫种类是进行针对性防治虫害的前提.利用昆虫数据集ArTaxOr及Insect_det,基于卷积神经网络下图像分类如MobileNet,ResNet及目标检测(FasterRCNN)、Yolo技术,运用迁移学习进行模型训练,并对比分析训练结果,获取最优昆虫种类图像识别模型.将构建的最优模型采用EasyEdge平台进行部署,从而实现了模型到端的全流程开发模式,为后续昆虫种类图像识别场景化应用研究提供依据参考.

关键词：昆虫种类图像识别、卷积神经网络、图像分类、目标检测、模型场景应用

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技厅科技攻关项目;河南省高等学校重点科研项目;国家级大学生创新创业训练计划项目

在线出版日期：2023-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：96-105