基于Faster-RCNN的花生害虫图像识别研究

详细信息    查看全文 | 推荐本文 |

	英文篇名：Study on peanut pest image recognition based on Faster-RCNN 作者：陶震宇 ; 孙素芬 ; 罗长寿 英文作者：Tao Zhenyu; 关键词：Faster-RCNN ; ResNet-50模型 ; 花生害虫 ; 图像识别 中文刊名：JSNY 英文刊名：Jiangsu Agricultural Sciences 机构：北京农学院计算机与信息工程学院;北京市农林科学院农业信息与经济研究所; 出版日期：2019-06-25 15:25 出版单位：江苏农业科学 年：2019 期：v.47 基金：北京市农林科学院青年基金(编号:QNJJ201919) 语种：中文; 页：JSNY201912057 页数：4 CN：12 ISSN：32-1214/S 分类号：255-258

摘要

为实现花生害虫图像的准确分类,共收集花生主要害虫图片2 038张,针对目前在基于Faster-RCNN的图像识别领域较为成熟的VGG-16和ResNet-50这2种网络模型进行对比研究,并针对ResNet-50模型参数进行调整,提出了基于学习率、训练集和测试集以及验证集的比例选择、迭代次数等参数改进的ResNet-50卷积神经网络的模型。结果表明:该模型可以准确高效地提取出花生主要害虫的多层特征图像,在平均识别率上,经过改进的ResNet-50网络模型在识别花生害虫图像上优于ResNet-50原始网络模型。该模型可以准确地分类花生主要害虫图像,可在常规情况下实现花生害虫的图像识别。
        

引文

[1]齐恒.基于深度哈希学习算法的移动视觉检索系统设计与实现[D].北京:北京邮电大学,2018.
    [2]梁晓旭.基于卷积神经网络的遥感图像分类算法研究[D].西安:西安电子科技大学,2018.