文献类型：期刊文章

作　　者：陈娟[1] 陈良勇[1] 王生生[1] 赵慧颖[1] 温长吉[2]

CHEN Juan;CHEN Liangyong;WANG Shengsheng;ZHAO Huiying;WEN Changji(College of Computer Science and Technology,Jilin University,Changchun 130012,China;College of Information and Technology,Jilin Agricultural University,Changchun 130118,China)

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]吉林农业大学信息技术学院,长春130118

出　　处：《农业机械学报》

基　　金：吉林省科技发展计划项目(20180101334JC;20190302117GX;20160520099JH);吉林省发展改革委创新能力建设(高技术产业部分)项目(2019C053-3)

年　　份：2019

卷　　号：50

期　　号：5

起止页码：187-195

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对北方园林害虫识别问题,提出了一种基于改进残差网络的害虫图像识别方法。首先,采用富边缘检测算法,将中值滤波、Sobel算子和Canny算子相结合,对害虫图像进行边缘检测;然后,改进残差网络中的残差块,通过添加卷积层和增加通道数提取更多的害虫图像特征,并将贝叶斯方法运用于改进后的网络中,优化超参数;最后,将预处理的害虫图像输入神经网络中,利用分块共轭算法优化网络权重。对38种北方园林害虫进行了识别,试验结果表明,在相同数据集下,与3种传统害虫识别方法相比,本文方法的平均识别准确率平均提高9. 6个百分点,加权平均分数分别提高16. 3、10. 8、4. 5个百分点。

关 键 词：图像识别 害虫控制 残差网络  贝叶斯方法

分 类 号：TP391.41] S126[计算机类]