首页|基于Faster R-CNN的野外环境中蝗虫快速识别

基于Faster R-CNN的野外环境中蝗虫快速识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型.利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)网络结构建立了蝗虫识别模型.经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步.该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域.
Rapid identification of locust on fields based on Faster R-CNN

武英洁、房世波、Piotr Chudzik、Simon Pearson、Bashir Al-Diri、冯旭宇、李云鹏

展开 >

中国气象科学研究院,北京100081

The University of Lincoln,School of Computer Science,Lincoln LN67TS,UK

The University of Lincoln,Lincoln Institute for Agri-Food Technology,Lincoln LN67TS,UK

内蒙古自治区生态与农业气象中心,内蒙古 呼和浩特021099

展开 >

蝗虫 深度学习 识别 FasterR-CNN

国家自然科学基金国家重点研发计划项目基本科研业务费重点项目

616611360052018YFC15065002019Z010

2020

10.3969/j.issn.1673-503X.2020.06.017

气象与环境学报
中国气象局沈阳大气环境研究所

气象与环境学报

CSTPCD
影响因子：1.433
ISSN：1673-503X
年,卷(期)：2020.36(6)
  • 1
  • 5