基于深度卷积神经网络的蚕蛹雌雄自动识别

• 作者: 于业达 潘国庆 赵一舟 陈通 高鹏飞
• 来源期刊: 蚕业科学
• 学科: 农学
• 关键词: 蚕蛹 雌雄识别 图像识别 深度学习 深度卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 197-203
• 页数: 7页
• 分类号: S887.31+3
• 语种: 中文
• DOI: 10.13441/j.cnki.cykx.2020.02.010

摘要

蚕蛹雌雄识别的准确率直接影响到蚕种杂交率.现有的蚕蛹识别算法多数是以高光谱或近红外相机拍摄的图片作为输入,所需成像设备价格相对昂贵,且高光谱算法的高数据量与高计算量进一步导致其具有较高的应用成本.以普通数码相机拍摄的蚕蛹图片作为识别输入,提出了基于梯度特征的深度卷积神经网络(CNN)的蚕蛹雌雄自动识别算法.设计了包含4层卷积层的CNN,首先提取蚕蛹灰度图像的高级抽象特征,同时提取蚕蛹梯度图像的梯度直方图(HOG)特征,接着将高级抽象特征和HOG特征通过级联的方式进行融合,最后在现有数据训练集上最高达到100％的识别率,测试集的识别率平均可达95％左右,最高达到97.21％.试验数据表明蚕蛹图像的梯度特征也是蚕蛹雌雄识别的重要特征.提出的算法不需要红外或高光谱图片作为输入,降低了数据采集的设备成本和识别计算量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘国庆		44	197	8.0	11.0
2	陈通		8	26	4.0	5.0
3	高鹏飞		3	4	2.0	2.0
4	于业达		1	0	0.0	0.0
5	赵一舟		2	3	1.0	1.0