您好，欢迎访问江西省农业科学院 机构知识库！

基于卷积神经网络的水稻虫害识别方法

文献类型： 中文期刊

作者： 郭阳 1 ; 许贝贝 2 ; 陈桂鹏 1 ; 丁建 1 ; 严志雁 1 ; 梁华 1 ; 吴昌华 1 ;

作者机构： 1.江西省农业科学院农业经济与信息研究所江西省农业信息化工程技术研究中心

2.中国农业科学院农业信息研究所

关键词： 卷积神经网络;水稻虫害;Faster-RCNN;SSD;YOLOv3

期刊名称： 中国农业科技导报

ISSN： 1008-0864

年卷期： 2021 年 011 期

页码： 99-109

收录情况： 北大核心 ; CSCD

摘要： 为解决人工识别水稻虫害难度大、费时费力的问题,研究了一种自动识别水稻虫害的方法。选取2 500张红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟图片建立数据库,利用深度卷积神经网络提取水稻虫害数据集特征,采用随机梯度下降法训练,得到最优权重文件。测试训练好的模型,并对比Faster-RCNN、SSD和YOLOv3算法的效果。结果表明,YOLOv3算法的平均精度最高,其在红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟5种水稻虫害中分别为97.40%、88.76%、85.74%、92.96%、94.78%,五类水稻虫害mAP为91.93%。与Faster-RCNN算法相比,平均准确率高1.43个百分点,单张图像检测耗时减少853.68 ms;与SSD算法相比,平均准确率高5.56个百分点,单张图像检测耗时减少2.9 ms。选择5类比较具有代表性的水稻虫害图片进行测试,对于叶片遮挡目标和相似背景等情况,YOLOv3算法能够正确识别不会出现漏检错检,且识别准确率大于98%。将YOLOv3算法引入田间复杂情况下的水稻虫害识别是可行的,具有较高的平均准确率以及较快的检测速度,能够准确识别水稻虫害,这对于水稻虫害防治和田间喷药等方面具有重要意义。

  • 相关文献
作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：江西省农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台