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

第一作者： 郭阳

作者： 郭阳;许贝贝;陈桂鹏;丁建;严志雁;梁华;吴昌华

作者机构：

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。

分类号： S435.11%S126

  • 相关文献

[1]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[2]基于Yolo的结直肠息肉CT影像分析算法研究. 代国威,晏静香. 2021

[3]2005～2009年冀东滨海稻区水稻主要病虫害发生动态与防治措施. 张玉江,张汉友,王凤芝. 2010

[4]基于深度学习的苹果树侧视图果实识别. 荆伟斌,李存军,竞霞,赵叶,程成. 2019

[5]基于深度学习芒果图像在线识别与计数方法研究. 岑冠军,华俊达,潘怡颖,刘大河,苏贝贝,钟政,张连宽,高燕. 2020

[6]基于SSD模型的巢门蜜蜂检测. 吕纯阳,刘升平,郭秀明,肖顺夫,刘大众,杨菲菲,李路华. 2021

[7]基于玉米重组自交系籽粒脱水速率的相关性状分析. 王延召,魏良明,周波,宋迎辉. 2016

[8]基于Faster-RCNN的花生害虫图像识别研究. 陶震宇,孙素芬,罗长寿. 2019

[9]基于改进YOLOv3的温室番茄果实识别估产方法. 成伟,张文爱,冯青春,张万豪. 2021

[10]基于LW-YOLOv3模型的棉花主茎生长点检测与定位研究. 孙想,吴华瑞,朱华吉,杨雨森,陈诚,何思琪,王春山. 2021

[11]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[12]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

[13]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

[14]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

[15]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

[16]小样本卷积神经网络井震映射反演. 安振芳,张进,张建中,邢磊,黄忠来. 2020

[17]采用卷积神经网络构建西北太平洋柔鱼渔场预报模型. 朱浩朋,伍玉梅,唐峰华,靳少非,裴凯洋,崔雪森. 2020

[18]基于SVM和CNN组合模型的黄瓜病斑叶片检测与识别. 王浩,王建春,李凤菊,钱春阳,张雪飞,徐义鑫,吕雄杰,杜彦芳,宋斌. 2020

[19]基于轻量化卷积神经网络的改进模型与验证. 李润龙,王运圣,徐识溥,刘勇. 2020

[20]基于VGG-16卷积神经网络的海水养殖病害诊断. 李海涛,王腾,王印庚. 2020

作者其他论文 更多>>

微信小程序