陶震宇 孙素芬 罗长寿

摘要：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2 038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。

关键词：Faster-RCNN;ResNet-50模型;花生害虫;图像识别

中图分类号：TP391.41   文献标志码： A  文章编号：1002-1302（2019）12-0247-03

我国作为世界上传统的农业大国，农业的发展情况对我国的经济发展具有深远的影响。花生在自然生长过程中很容易受到害虫的侵害和感染，近年来由于气候变化、环境污染等因素的影响，花生的虫害呈现出增长的趋势，而我国主要的害虫图像识别方法主要还是依靠传统识别方法，效率较低，因而将在人脸识别等领域较为先进的计算机图像识别技术引入农业领域迫在眉睫。

近年来，深度学习在图像识别领域发展迅猛，通过建立和模拟人脑的神经系统来解释图像中的各个特征数据，能够挖掘出图像中所需检测目标的深层次特征，这种数据特征对于识别目标的分类具有更好的表征能力，这样就避免了传统图像识别方法的缺陷，更精确地识别目标图像。……