基于Faster R-CNN的美国白蛾图像识别模型研究
2021-01-18薛大暄张瑞瑞陈立平陈梅香
环境昆虫学报 2020年6期
薛大暄,张瑞瑞,陈立平*,陈梅香,徐 刚
(1. 首都师范大学信息工程学院,北京 100048;2. 国家农业智能装备工程技术研究中心,北京 100097)
美国白蛾Hyphantriacunea为鳞翅目灯蛾科的一种昆虫,是为害农作物、林木、果树、花卉等植物的食叶害虫。近年,受气候变化环境污染等影响,美国白蛾危害快速蔓延。美国白蛾成虫适应性强、繁殖量大、传播途径广(陈学新等,2017;孔雪华,2010),动态监测并有针对性防治是提升白蛾防控的重要手段。及时的虫情监测和有效的早期防治能够避免重大的经济和生态损失。在美国白蛾防治过程中,通过悬挂诱捕装置,并对诱捕白蛾进行识别、分类、计数是当前虫情动态监测的主要方法。因白蛾发生范围广、预警区域大、诱捕数量多、混杂异类昆虫多等特点,导致人工识别、分类、计数速度慢、耗时长、强度高、主观性强。
随着计算机技术的不断发展,基于图像处理技术的害虫自动识别技术得到广泛的研究。张红涛等通过蚁群优化算法从粮虫17维形态学特征中自动提取出最优特征子空间,采用支持向量机对粮虫进行分类(张红涛,2002)。毛文华等利用帧间差分法来提取蝗虫的形态特征因子,通过分类和构建数学模型来统计蝗虫数量(毛文华等,2008)。陈月华等首次将K均值聚类算法用于害虫图像的分类,运用合并和分裂相结合的区域生长算法分割害虫和叶片(陈月华,2007)。通常自然环境下获取的害虫图像背景噪声较大,光线强度,姿态特征各不均匀,导致传统的识别算法具有一定的局限性。……
登录APP查看全文
