程 曦，张友华，陈祎琼，吴云志，乐 毅

(安徽农业大学 信息与计算机学院，安徽 合肥 230036)

深度学习在储粮害虫的特征提取与分类上的应用

程 曦，张友华，陈祎琼，吴云志，乐 毅

(安徽农业大学 信息与计算机学院，安徽 合肥 230036)

为了实现对储粮害虫的有效防治，发展一种正确高效的害虫识别方法是非常重要的。在计算机视觉与深度学习技术的协助下，通过深度卷积神经网络建模进行害虫图像识别。在该方法下实现了储粮害虫特征的自动提取，并在基于图像的7个类别的储粮害虫识别上取得了98.81%的识别正确率。因此，基于深度学习的储粮害虫特征提取与分类方法具有很高的实用价值，可以进一步推广到实际的储粮害虫防治和粮仓管理中来。

储粮害虫；特征提取；图像识别；卷积神经网络；深度学习

储粮害虫一直是危害粮仓安全的严重问题之一，据统计每年因霉变和储粮害虫造成的损失占储粮总量的0.2%～0.3%[1]。对储粮害虫进行快速有效的识别是储粮害虫防治工作的前提和基础。相比低效的人工鉴别，借助计算机视觉对储粮害虫进行识别是一种高效且廉价的手段。基于支持向量机，BP神经网络等机器学习方法的识别技术已被应用在了储粮害虫的识别上，其中方明等[2]使用BP神经网络对4类粮仓害虫基于5个特征实现分类，准确率达到了95%，胡玉霞等人[3]使用模拟退火算法对支持向量机分类器的参数实现优化，通过SAA-SVM分类器对9类储粮害虫实现分类，准确率为95.56%，张红涛等[4]使用了蚁群算法筛选储粮害虫二值化图像的17个形态学特征，并使用SVM实现分类。……