| 基于Faster R-CNN的美国白蛾图像识别模型研究 |
| |
| 引用本文： | 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚.基于Faster R-CNN的美国白蛾图像识别模型研究[J].环境昆虫学报,2020,42(6):1502-1509. |
| |
| 作者姓名： | 薛大暄 张瑞瑞 陈立平 陈梅香 徐刚 |
| |
| 作者单位： | 首都师范大学信息工程学院,北京100048;国家农业智能装备工程技术研究中心,北京100097 |
| |
| 基金项目： | 国家自然科学基金面上项目（31971581）；北京市农林科学院2020创新能力建设项目（KJCX20200108） |
| |
| 摘 要： | 昆虫监测中美国白蛾Hyphantria Cunea的人工辨识、分类费时费力，且主观性强。本文利用RPN人工神经网络模型对美国白蛾图像数据进行特征提取，并对比分析Inception_v2，ResNet50，ResNet101网络模型，设计了一种改进的美国白蛾人工神经网络识别模型IHCDM（Improved Hyphantria Cunea Artificial Neural Network Recognition Model，IHCDM），采用端到端方法在GPU处理器上对该模型进行了训练，并对其进行了实验验证。结果表明：该模型对美国白蛾的识别准确率可达99.5%，相比于ResNet50与ResNet101网络模型，识别准确率提高了0.5%与0.4%。超参数微调后，在置信度阈值为0.85时，识别准确率99.7%，识别速度0.09 ms/张。IHCDM模型为美国白蛾的快速辨识、分类提供了一种新方法。
|
| 关 键 词： | 美国白蛾 图像识别 人工神经网络 深度学习 |
Faster R-CNN based image recognition research of Hyphantria cunea |
| |
| XUE Da-Xuan,ZHANG Rui-Rui,CHEN Li-Ping,CHEN Mei-Xiang,XU Gang.Faster R-CNN based image recognition research of Hyphantria cunea[J].Journal of Environmental Entomology,2020,42(6):1502-1509. |
| |
| Authors: | XUE Da-Xuan ZHANG Rui-Rui CHEN Li-Ping CHEN Mei-Xiang XU Gang |
| |
| Abstract: | |
| |
| Keywords: | Hyphantria Cunea image recognition artificial neural network deep learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《环境昆虫学报》浏览原始摘要信息 |
| 点击此处可从《环境昆虫学报》下载免费的PDF全文 |
