一种基于深度卷积神经网络的油菜虫害检测方法

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

所属期刊栏目：45

分类号：TN911.73

资助基金：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

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：560-564