基于Mask R-CNN模型的虫害识别方法研究

摘要：

为提高果园虫害远程监测自动识别的准确率与稳定性,以梨小食心虫作为研究对象,提出了基于Mask R-CNN目标检测模型的虫害识别方法.在Faster R-CNN模型基础上优化添加用以预测分割的Mask回归分支,将进行2次量化操作的RoI Pooling层替换为使用线性插值算法的RoI Align层,另外添加并列的FCN层,使模型具有更强大的泛化能力,可在有效检测目标的同时输出高质量的实例分割Mask.采用固定式物联网捕虫装置获取数据样本,并应用数据增广和掩模标注等方法构建数据集,经过深度学习训练,可有效提高果园虫害识别的准确性.实验表明,该方法的目标识别平均准确率达98.87％,能够对梨小食心虫进行精确、稳定、高效的识别,可为精确虫害防治提供参考.

关键词：虫害识别、Mask R-CNN模型、样本采集、图像预处理、梨小食心虫

所属期刊栏目：61

分类号：S126;S435.112(农业物理学)

资助基金：山东省重大科技创新工程项目;山东省重点研发计划项目

在线出版日期：2023-02-10（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：44-47,52