文献类型：期刊文章

作　　者：王金[1,2,3] 李颜娥[1] 冯海林[1,2,3] 王安澜[1]

Wang Jin;Li Yan′e;Feng Hailin;Wang Anlan(Zhejiang A&F University School of Information Engineering,Hangzhou 311300;Key Laboratory of Forestry Intelligent Monitoring and Information Technology of Zhejiang Province 2,Hangzhou 311300;Key Laboratory of Forestry Perception Technology and Intelligent Equipment State Forestry Administration 3,Hangzhou 311300)

机构地区：[1]浙江农林大学信息工程学院,杭州311300 [2]浙江省林业智能监测与信息技术实验室,杭州311300 [3]林业感知技术与智能装备国家林业局重点实验室,杭州311300

出　　处：《中国粮油学报》

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);浙江省大学生科技创新活动计划(新苗人才计划)(2020R412028)。

年　　份：2021

卷　　号：36

期　　号：9

起止页码：164-171

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本研究以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集(CSGP)。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。

关 键 词：储粮害虫 小目标检测 卷积神经网络 特征金字塔网络  

分 类 号：TP183]