一种基于聚类特征的Faster R-CNN粮仓害虫检测方法

作     者：张诗雨 夏凯 杜晓晨 冯海林 陈力 Zhang Shiyu;Xia Kai;Du Xiaochen;Feng Hailin;Chen Li

作者机构：浙江农林大学信息工程学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业局重点实验室杭州311300 

基　　金：国家重点研发计划(2018YFD0401403) 浙江省重点研发计划(2018C02050) 杭州市农业与社会发展科研主动设计项目(20190101A07) 浙江省自然科学基金委员会-青山湖科技城管委会联合基金(LQY18C160002) 浙江省大学生科技创新活动计划(新苗人才计划)(2018R412046) 

出 版 物：《中国粮油学报》 (Journal of the Chinese Cereals and Oils Association)

年 卷 期：2020年第35卷第4期

页      码：165-172页

摘      要：基于Faster R-CNN模型提出复杂背景下粮仓害虫的检测识别方法。将六种常见的储粮害虫(豆象、谷蠹、米象、锯谷盗、赤拟谷盗、锈赤扁谷盗)分别以大米、小米为背景,建立了真实背景下粮仓害虫图像数据集SGI-6。SGI-6中包括网络获取图像、显微镜采集图像和单反拍摄图像三种多目标尺度的数据集。根据粮仓害虫的小目标特性,使用聚类算法改进Faster R-CNN模型的区域提案网络,来提取这些图像中含有害虫的区域,并对这些区域中的害虫进行分类。实验结果表明,该方法能够在储粮条件下检测和识别粮仓害虫,且其平均准确率(mAP)达到96.63%。

主 题 词：粮仓害虫 卷积神经网络 Faster R-CNN 聚类特征 害虫检测 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203922799...