基于Faster R-CNN的野外环境中蝗虫快速识别

• 作者: Bashir Al-Diri Piotr Chudzik Simon Pearson 冯旭宇 房世波 李云鹏 武英洁
• 来源期刊: 气象与环境学报
• 学科: 农学
• 关键词: 蝗虫 深度学习 识别 FasterR-CNN
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 快报
• 页码范围: 137-143
• 页数: 7页
• 分类号: TP391.41|S433.2
• 语种: 中文
• DOI: 10.3969/j.issn.1673-503X.2020.06.017

摘要

蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型.利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)网络结构建立了蝗虫识别模型.经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步.该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	房世波		47	914	18.0	29.0
2	武英洁		3	1	1.0	1.0
3	Piotr Chudzik		1	0	0.0	0.0
4	Simon Pearson		1	0	0.0	0.0
5	Bashir Al-Diri		1	0	0.0	0.0
6	冯旭宇		1	0	0.0	0.0
7	李云鹏		1	0	0.0	0.0