基于深度学习的农作物害虫检测方法研究与应用

• 作者: 彭琳希
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 深度学习 农作物害虫 检测方法 识别
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 算法语言
• 页码范围: 76-79
• 页数: 4页
• 分类号: TP18|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.19.022

摘要

基于深度学习的目标检测一般有两种方法,即候选区域和基于目标的检测方法.前者精度高但是检测速度低,后者检测能够实现实时的检测速率,但是检测速度低,考虑设计的模型需要在移动终端实现.基于此,本文选取Faster R-CNN和YOLO两种目标检测算法进行实验.为有效解决梯度消失的问题,采用参数量少、冗余度低的DenseNet网络模型,对两种目标算法进行对比实验.最后选择精度较高、速度较快的Faster R-CNN算法构建害虫实时监测系统的设计,验证结果的准确性,对于后期研究具有一定的参考价值.