基于深度学习的蔬菜鳞翅目害虫自动识别与检测计数

摘要：

鳞翅目害虫是蔬菜作物中最重要且常见的一类害虫.由于受到复杂田间背景,光照及害虫姿态等的影响,传统的害虫自动识别与检测计数方法准确率比较低.为实现在田间快速准确地对目标害虫进行自动识别和检测计数,分别提出了基于深度卷积神经网络的识别模型和检测计数模型.针对菜粉蝶、棉铃虫、甜菜夜蛾、小菜蛾、斜纹夜蛾这5种常见且容易混淆的蔬菜鳞翅目害虫,构建了分类识别数据集和检测计数数据集,并分别进行了实验,平均识别率达到94.5％,检测均值平均精度(mAP)达到76.6％,与传统方法相比,证明了此方法的优越性.实验结果表明,该方法对于蔬菜鳞翅目害虫的识别和检测计数是可行的,且达到了实际应用水平.

关键词：鳞翅目害虫、自动识别、检测计数、深度学习、卷积神经网络

所属期刊栏目：21

分类号：TP391;S431(计算技术、计算机技术)

资助基金：国家自然科学基金;中国科学院科技服务网络计划项目（STS）;安徽省农科院人才发展专项;安徽省农业科学院院所共建团队项目

在线出版日期：2020-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：76-84