基于改进Mask-RCNN算法的作物害虫分类识别

张佳敏, 闫科, 王一非, 刘杰, 曾娟, 吴鹏飞, 黄求应

农业工程学报. 2024, 40(07): 202-209

农业工程学报 ›› 2024, Vol. 40 ›› Issue (07) : 202-209. DOI: 10.11975/j.issn.1002-6819.202312183

基于改进Mask-RCNN算法的作物害虫分类识别

  • 张佳敏, 闫科, 王一非, 刘杰, 曾娟, 吴鹏飞, 黄求应
作者信息 +

Classification and identification of crop pests using improved Mask-RCNN algorithm

  • ZHANG Jiamin and YAN Ke and WANG Yifei and LIU Jie and ZENG Juan and WU Pengfei and HUANG Qiuying
Author information +
History +

摘要

智能虫情测报灯对农业生产中及时察觉虫害、虫灾问题有重大作用,准确的害虫分类识别为虫情测报提供可靠数据支撑的关键。该研究对智能虫情测报灯所需核心识别算法进行改进,针对分类目标多尺度、存在多种相似非目标害虫干扰、易产生目标粘连等问题,提出一种基于改进Mask-RCNN(mask region-based convolutional neural network)模型的害虫图像智能识别模型。该模型使用DeAnchor算法改进Mask-RCNN的锚框引导机制,使用NDCC(novelty detection consistent classifiers)训练分类器进行联合分类和检测,改善非目标杂虫的误识别问题。改进后模型对无杂虫、不同虫体密度图像的识别准确率最高达到96.1%,最密集时可达90.6%,在仅有非目标的图片识别中,误检率降至9%,非目标与目标共存且密度为40虫/图的误检率降至15%。试验表明,该文所提模型在现有分类模型的基础上,增强了对密集区域的检测能力,改善了非目标误识别问题,在实际检测环境下的害虫分类识别精度更高,可为虫害防治工作提供数据参考。

关键词

目标检测 / 虫害防治 / 分类识别 / Mask RCNN / 粘连目标

引用本文

导出引用
张佳敏, 闫科, 王一非, 刘杰, 曾娟, 吴鹏飞, 黄求应. 基于改进Mask-RCNN算法的作物害虫分类识别. 农业工程学报. 2024, 40(07): 202-209 https://doi.org/10.11975/j.issn.1002-6819.202312183
ZHANG Jiamin and YAN Ke and WANG Yifei and LIU Jie and ZENG Juan and WU Pengfei and HUANG Qiuying. Classification and identification of crop pests using improved Mask-RCNN algorithm. Transactions of the Chinese Society of Agricultural Engineering. 2024, 40(07): 202-209 https://doi.org/10.11975/j.issn.1002-6819.202312183

基金

国家重点研发计划项目(2022YFD1400400); 华中农业大学自主科技创新基金项目(2021ZKPY018)

14

Accesses

0

Citation

Detail

段落导航
相关文章

/