摘要
针对机器视觉在家蚕品种识别中识别准确率与构成数据集的图像数量、品种数量和数据处理方法、成本等要素之间的矛盾,采集 20 个家蚕品种 4 龄第 3 d真实生产环境的生长图像构建数据集,利用轻量级卷积神经网络GhostNet在不同的训练集上开展模型训练,探讨了图像数量、品种数量、图像数据增强及迁移学习方法对识别准确率的影响.结果表明:构成数据集的原始图像数量至少 400 张,品种数量选择 10～12 个,均可使识别准确率达到 98％,满足行业标准;如果原始图像数量少于 100 张,通过图像数据增强的方式,对提升识别准确率无实际意义.品种数量低于 12 个时,采用迁移学习方法,可有效提升识别率;而品种数量多于 14 个时,采用迁移学习方法,会使识别准确率下降,且数量越大下降速度越快.
基金项目
国家农业农村部现代农业产业技术体系专项(CARS-18)
重庆市技术创新与应用发展专项(cstc2021jscxtpyzxX0003)
NETL
NSTL
维普
万方数据