基于Faster R-CNN的野外環境中蝗蟲快速識別

作者：武英潔,房世波,Piotr Chudzik,Simon Pearson,Bashir Al-Diril,馮旭宇,李云鵬

摘要：蝗蟲是常見的害蟲之一,對農作物和生態系統具有很大的危害,采用常規的方法對蝗蟲進行監測存在一定局限性,為了有效應用海量野外影像數據實現對蝗蟲實時監測,本文建立了一種基于深度學習網絡的蝗蟲自動識別模型。利用手機模擬攝像頭獲取的內蒙古錫林浩特附近草原的280張蝗蟲的RGB圖像,采用深度學習算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)網絡結構建立了蝗蟲識別模型。經驗證該模型的精確度為0.756,可以較準確地將蝗蟲從野外復雜環境中識別出來,與以往同類研究相比,在識別結果和實用性方面均有較大的進步。該模型是建立蝗蟲實時監測系統的基礎,可以為蝗蟲的防治提供輔助信息,同時該網絡結構還可以應用于其他害蟲的識別,具有較強的推廣性,拓寬了深度學習算法的應用領域。

發文機構：中國氣象科學研究院 The University of Lincoln The University of Lincoln 內蒙古自治區生態與農業氣象中心

關鍵詞：蝗蟲深度學習識別FasterR-CNNLocustDeep learningIdentificationFaster R-CNN

分類號： TP391.41[自動化與計算機技術—計算機應用技術]S433.2[自動化與計算機技術—計算機科學與技術]