改进RetinaNet的水稻冠层害虫为害状自动检测模型

• 作者: 吕军 唐健 姚青 杨保军 许渭根 谷嘉乐 郭龙军
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像处理 算法 自动检测 水稻冠层 为害状图像 稻纵卷叶螟 二化螟 RetinaNet模型
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 182-188
• 页数: 7页
• 分类号: TP391
• 字数: 5207字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.15.023

摘要

中国现行的水稻冠层害虫为害状田间调查方法需要测报人员下田目测为害状发生情况,此种人工调查方法存在客观性差、效率低与劳动强度大等问题.近几年,诸多学者开始利用深度学习方法来识别植物病虫为害状,但大多针对单株或单个叶片上病虫害种类进行识别研究.该研究采集了水稻冠层多丛植株上稻纵卷叶螟和二化螟为害状图像,提出一种改进RetinaNet的水稻冠层害虫为害状自动检测模型.模型中采用ResNeXt101作为特征提取网络,组归一化(Group Normalization,GN)作为归一化方法,改进了特征金字塔网络(Feature Pyramid Network,FPN)结构.改进后的RetinaNet模型对2种害虫为害状区域检测的平均精度均值达到93.76％,为实现水稻害虫为害状智能监测提供了理论依据和技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许渭根		28	151	8.0	10.0
2	唐健	中国水稻研究所水稻生物学国家重点实验室	22	417	12.0	20.0
3	杨保军	中国水稻研究所水稻生物学国家重点实验室	20	421	13.0	20.0
4	姚青	浙江理工大学信息学院	32	397	11.0	19.0
5	吕军	浙江理工大学信息学院	6	85	2.0	6.0
6	谷嘉乐	浙江理工大学信息学院	1	0	0.0	0.0
7	郭龙军	浙江理工大学信息学院	1	0	0.0	0.0