文献类型：期刊文章

作　　者：杨红云[1] 肖小梅[1] 黄琼[2] 郑国梁[1] 易文龙[1]

Yang Hongyun;Xiao Xiaomei;Huang Qiong;Zheng Guoliang;Yi Wenlong(School of Software,Jiangxi Agricultural University,Nanchang 330045,Jiangxi,China;School of Computer and Information Engineering,Jiangxi Agricultural University,Nanchang 330045,Jiangxi,China)

机构地区：[1]江西农业大学软件学院,江西南昌330045 [2]江西农业大学计算机与信息工程学院,江西南昌330045

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(62162030,61562039,61762048)。

年　　份：2022

卷　　号：59

期　　号：16

起止页码：323-330

语　　种：中文

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

摘　　要：为了实现水稻害虫的快速、准确识别,提出了一种基于迁移学习和卷积神经网络相结合的水稻害虫识别方法。首先对水稻害虫图像进行平移、翻转、旋转、缩放等预处理,并按照害虫特征由人工分为稻纵卷叶螟、稻飞虱、二化螟、三化螟、稻蝗、稻象甲等6个类别。然后基于迁移学习方法,将VGG16模型在图像数据集ImageNet上训练得到的权重参数迁移到水稻害虫的识别当中,将VGG16的卷积层和池化层作为特征提取层,同时将顶层重新设计为全局平均池化层和一个softmax输出层,训练时冻结部分卷积层。实验结果表明:所提模型的平均测试准确率为99.05%,训练时间约为原有模型的1/2,模型大小仅为74.2 MB;在稻蝗、稻飞虱、稻象甲、二化螟、稻纵卷叶螟、三化螟等6类害虫的F1值分别为0.98、0.99、0.99、0.99、1.00、0.99。所提方法识别效率高,识别效果好,可移植性强,可为农作物的害虫高效快速诊断提供参考。

关 键 词：机器视觉 水稻害虫 迁移学习  VGG16  

分 类 号：TP391.4] S431.9[计算机类]