基于改进AlexNet的岭南水稻虫害识别方法研究

文献类型： 中文期刊

第一作者： 江顺

作者： 江顺;黄红星;莫里楠;韩威威;高卓君;卓钟洪

作者机构：

关键词： 深度学习;南方水稻;害虫识别

期刊名称： 江苏农业科学

ISSN：

年卷期： 2023 年 023 期

页码： 187-195

收录情况： 北大核心

摘要： 通过改进经典AlexNet深度学习模型在几种典型的水稻害虫识别中的深度不足和过拟合问题，探索出一套泛化能力更强、识别精度与计算效率更加均衡的深度学习网络模型，达到在一定计算资源支持下能适应复杂情境的精准辨识水稻害虫的需求。本研究中AlexNet-enhanced模型经过了以下改进：（1）采用通过缩小卷积核和增加卷积层深度的方式提升对图像深层次特征提取的能力；（2）删除LRN层和删除一个全连接层提升模型计算性能；（3）使用RReLU激活函数改进模型鲁棒性。试验数据使用多种网络数据集和自采集数据，选择稻纵卷叶螟、稻大螟、稻二化螟、稻三化螟、稻飞虱、稻象甲等具有代表性的南方水稻害虫数据作为试验数据，并加入健康水稻影像数据构建试验数据集。选择VGG-16、经典AlexNet、LeNet等3种模型训练作为本研究的对比模型，对4种模型的准确率、混淆矩阵、精确率、召回率、F1分数等结果参数进行综合比对分析评估模型性能。结果表明：（1）AlexNet-enhanced模型对比经典AlexNet模型在训练时间上有较大升高，但对比VGG-16这类结构更深的神经网络模型具备明显的训练时间优势；（2）与经典AlexNet模型相比，改进后的模型对水稻害虫的识别率有较大的提升，对幼虫的识别率提升更加明显；（3）对试验结果的分析发现4种模型对各类型害虫的成虫识别率均明显高于幼虫。本研究结果表明，改进的AlexNet模型对南方水稻害虫的识别问题有不错的应用效果，可以作为大田间水稻害虫智能识别的有效解决方案；同时，神经网络模型的训练受特征采样条件约束较强，需要对生产中的数据采集设备进行针对性的改进。

分类号： TP391.41%S435.11

  • 相关文献

[1]基于姿态描述的果园靶标害虫自动识别方法. 李文勇,陈梅香,李明,孙传恒,杜尚丰. 2014

[2]基于双线性注意力网络的农业灯诱害虫细粒度图像识别研究. 姚青,姚波,吕军,唐健,冯晋,朱旭华. 2021

[3]基于模板匹配的多目标水稻灯诱害虫识别方法的研究. 吕军,姚青,刘庆杰,薛杰,陈宏明,杨保军,唐健. 2012

[4]桔小实蝇等六种常见果园害虫图像数据集. 张翔鹤,王晓丽,刘婷婷,胡林,樊景超. 2022

[5]基于神经网络的水稻三化螟识别系统的研究. 王剑,周国民. 2006

[6]基于生成对抗网络和视觉-语义对齐的零样本害虫识别方法. 李天俊,杨信廷,陈晓,胡焕,周子洁,李文勇. 2024

[7]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[8]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[9]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[10]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[11]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[12]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[13]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[14]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[15]基于深度学习的无人机影像玉米倒伏区域提取. 郑二功,田迎芳,陈涛. 2018

[16]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[17]蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试. 李华龙,李淼,詹凯,刘先旺,杨选将,胡泽林,郭盼盼. 2020

[18]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[19]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[20]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

作者其他论文 更多>>

微信小程序