基于图像显著性分析与卷积神经网络的茶园害虫定位与识别

• 作者: 刘子毅 杨国国 鲍一丹
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 像素 算法 识别 害虫检测 图像显著性分析 深度学习 卷积神经网络
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 156-162
• 页数: 7页
• 分类号: S126
• 字数: 6308字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.06.020

摘要

为实现在茶园环境中快速、准确地识别害虫目标,该文提出了一种基于卷积神经网络的深度学习模型来进行害虫定位和识别的方法.该文通过对整个图像进行颜色衰减加速运算,结合超像素区域之间的空间影响,计算各个超区域的显著性值,进而提供害虫目标的潜在区域,最终结合GrabCut算法进行害虫目标的定位和分割.对于分割后的害虫目标,通过优化后的卷积神经网络进行表达和分类,并进一步对卷积神经网络的结构进行了约减.通过对23种茶园主要害虫的识别,试验结果表明,识别准确率在优化前后分别为0.915和0.881,优化后的模型内存需求和运行耗时分别降低至6 MB和0.7 ms,取得了较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍一丹	浙江大学生物系统工程与食品科学学院	47	1101	21.0	32.0
2	杨国国	浙江大学生物系统工程与食品科学学院	2	68	2.0	2.0
3	刘子毅	浙江大学生物系统工程与食品科学学院	3	71	2.0	3.0