首页|基于Faster-RCNN的花生害虫图像识别研究

基于Faster-RCNN的花生害虫图像识别研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为实现花生害虫图像的准确分类,共收集花生主要害虫图片2038张,针对目前在基于Faster-RCNN的图像识别领域较为成熟的VGG-16和ResNet-50这2种网络模型进行对比研究,并针对ResNet-50模型参数进行调整,提出了基于学习率、训练集和测试集以及验证集的比例选择、迭代次数等参数改进的ResNet-50卷积神经网络的模型.结果表明:该模型可以准确高效地提取出花生主要害虫的多层特征图像,在平均识别率上,经过改进的ResNet-50网络模型在识别花生害虫图像上优于ResNet-50原始网络模型.该模型可以准确地分类花生主要害虫图像,可在常规情况下实现花生害虫的图像识别.

陶震宇、孙素芬、罗长寿

展开 >

北京农学院计算机与信息工程学院,北京102206

北京市农林科学院农业信息与经济研究所,北京100097

Faster-RCNN ResNet-50模型 花生害虫 图像识别

北京市农林科学院青年基金

iNJJ201919

2019

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2019.47(12)
  • 11
  • 1