基于空间金字塔池化和深度卷积神经网络的作物害虫识别

• 作者: 张博 张苗辉 陈运忠
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 反卷积
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 209-215
• 页数: 7页
• 分类号: TP391.4
• 字数: 4325字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.19.025

摘要

为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别.通过改进YO-LOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%.试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张博		1	3	1.0	1.0
2	陈运忠		1	3	1.0	1.0