首页|一种水稻害虫的小目标检测方法研究

一种水稻害虫的小目标检测方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
在水稻害虫的防治中,往往会因为田间背景杂乱、叶片与害虫颜色相似、害虫个头较小导致水稻害虫不易被察觉.针对田间水稻害虫检测精度不高的问题,提出一种多尺度均衡级联检测模型(ME-Cascade).为更好地提取水稻害虫这种小目标的特征,该模型以级联神经网络(Cascade RCNN)为基础,引入多尺度骨干网络结构Res2Net,实现单个残差块中构建类似残差的分层连接.然后在区域生成网络中加入跨通道特征融合层,降低训练过程中背景叶片与目标害虫颜色相似带来的干扰,增强候选区域定位的准确性.并在级联检测器中使用样本均衡化采样,解决目标害虫与背景特征数量差异大带来的正负样本不均衡问题,减少小目标的错检漏检.最后,为避免深层网络在小样本检测中梯度爆炸和过拟合的发生,在梯度下降中使用梯度裁剪技术.将该模型用于公开发表的水稻虫害数据集上,mAP达到了 96.9％,比原始Cascade RCNN模型提高了 2.7百分点,验证了该模型在真实田间的水稻害虫上具有更好的识别效果.

魏志慧、张聪、成泞伸、陈新波、闫可

展开 >

武汉轻工大学数学与计算机学院,湖北武汉 430023

武汉轻工大学电气与电子工程学院,湖北武汉 430023

田间水稻害虫 小目标检测 多尺度骨干网络 跨通道特征融合 均衡采样 梯度裁剪

国家自然科学基金面上项目湖北省科技重大专项湖北省教育厅科学研究重点项目

612722782018ABA099D20201601

2024

10.15889/j.issn.1002-1302.2024.09.032

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD北大核心
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2024.52(9)
  • 13