杨 颖

（浙江农林大学 信息工程学院，浙江 临安311300）

0 引 言

神经网络，命名为MobileNet［1］。其能够有效的减少网络层间的计算量，同时保证目标识别的精准度。

昆虫是世界上数量最多的物种，已被认定的就有150多万种，约占全球生物的80%。蝴蝶属于昆虫的一种，种类繁多，经科学家估计蝶类昆虫的数量大约在1.6万～2万种之间。由于蝴蝶的种类较多，通过人工对蝶类昆虫进行种类的鉴定识别及分类，较为耗时。目前，对蝶类识别的实际市场需求日益增加，以现有的分类学专家和研究人员数量远远不够。通过便捷简单的检测识别操作，帮助昆虫知识储备不充足的广大农林从业者快速识别蝶类昆虫具有重大意义。

得益于信息技术的飞速发展，科研人员已实现了通过机器学习自主识别图像，从而代替人脑对图像蕴含信息进行识别。卷积神经网络也由此而生，并且在当今的学术研究中被广泛应用，但其往往在硬件资源有限的设备上没有优势。对于嵌入式设备平台的应用，比如移动设备与机器人，需要匹配更轻量、更高效，同时又能保持高精度的网络模型。因此，Google针对移动设备等嵌入式设备，提出一种轻量级的深层

1 基于MobileNet-SSD的目标检测

MobileNet-SSD目标检测算法，是以MobileNet作为具体的网络结构，使用MobileNet神经网络结构替换传统SSD算法当中的VGG16的卷积神经网络结构，用来提取特征，再结合SSD目标检测的一种算法［2］。SSD［3］以VGG16的卷积神经网络结构作为基础，增加4个卷积层来提取特征信息，其沿用了YOLO［4］目标检测思想：一次完成回归边框和分类，再加入Faster R-CNN［5］中，使用anchor的思想来提升识别准确性。……