|本期目录/Table of Contents|

[1]陈恩会,褚姝频,王炜,等.基于RetinaNet模型的梨小食心虫智能识别计数方法[J].江苏农业科学,2021,49(24):205-208.
　Chen Enhui,et al.Intelligent recognition and counting method of Grapholitha molesta based on RetinaNet model[J].Jiangsu Agricultural Sciences,2021,49(24):205-208.
点击复制

基于RetinaNet模型的梨小食心虫智能识别计数方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第49卷
期数:
2021年第24期
页码:
205-208
栏目:
农业工程与信息技术
出版日期:
2021-12-20

文章信息/Info

Title:
Intelligent recognition and counting method of Grapholitha molesta based on RetinaNet model
作者:
陈恩会1;  褚姝频2;  王炜1;  程大勇3;  李兴东4;  赵银娣5
1.江苏省徐州市植保植检站，江苏徐州 221018； 2.江苏省植物保护植物检疫站，江苏南京 210036；3.江苏省新沂市植物保护总站，江苏新沂 221400； 4.江苏省徐州市铜山区植物保护站，江苏徐州 221116；5.中国矿业大学环境与测绘学院，江苏徐州 221116
Author(s):
Chen Enhui; et al
关键词:
RetinaNet模型; 梨小食心虫; 目标检测; 智能识别; 计数
Keywords:
-
分类号:
TP391.4
DOI:
-
文献标志码:
A
摘要:
针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题，基于RetinaNet深度学习目标检测模型，构建了一种普适性更广的梨小食心虫智能识别计数方法。试验结果表明，RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93%，平均计数准确率达95.62%，且该方法对拍摄条件要求低，普适性广，优于Faster R-CNN目标检测模型，完全可以在梨小食心虫监测调查中替代人工进行分类计数。
Abstract:
-

参考文献/References:

［1］范仁俊，刘中芳，陆俊姣，等. 我国梨小食心虫综合防治研究进展［J］. 应用昆虫学报，2013，50(6)：1509-1513.
［2］王荣辕，刘广勤，李佰峰，等. 性信息素诱捕器不同悬挂方式对梨小食心虫诱杀效果［J］. 江苏农业科学，2021，49(6)：99-102.
［3］陈梅香，郭继英，许建平，等. 梨小食心虫自动监测识别计数系统研制［J］. 环境昆虫学报，2018，40(5)：1164-1174.
［4］Girshick R. Fast R-CNN［C］//2015 IEEE International Conference on Computer Vision (ICCV). Santiago:IEEE,2015：1440-1448.
［5］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［6］张银松，赵银娣，袁慕策. 基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数［J］. 中国农业大学学报，2019，24(5)：115-122.
［7］陶震宇，孙素芬，罗长寿. 基于Faster-RCNN的花生害虫图像识别研究［J］. 江苏农业科学，2019，47(12)：247-250.
［8］Redmon J，Divvala S，Girshick R，et al. You only look once：Unified，real-time object detection［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition ( CVPR). Las Vegas:IEEE,2016：779-788.
［9］Liu W，Anguelov D，Erhan D，et al. SSD：Single shot multibox detector［C］//European Conference on Computer Vision. Berlin:Springer，2016：21-37.
［10］佘颢，吴伶，单鲁泉. 基于SSD网络模型改进的水稻害虫识别方法［J］. 郑州大学学报(理学版)，2020，52(3)：49-54.
［11］苗海委，周慧玲. 基于深度学习的粘虫板储粮害虫图像检测算法的研究［J］. 中国粮油学报，2019，34(12)：93-99.
［12］Lin T Y，Goyal P，Girshick R，et al. Focal Loss for Dense Object Detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2020，42(2)：318-327.

相似文献/References:

[1]王程亮,徐丽君,倪萌,等.无锡地区桃园梨小食心虫发生规律[J].江苏农业科学,2014,42(09):117.
　Wang Chengliang,et al.Occurrence regularity of Grapholitha molesta Busck in peach orchard in Wuxi area[J].Jiangsu Agricultural Sciences,2014,42(24):117.
[2]曹正,谢春芹,陈慧敏,等.性信息素迷向剂控制桃园梨小食心虫危害的试验[J].江苏农业科学,2016,44(07):161.
　Cao Zheng,et al.Test study on control damage of Grapholitha molesta by sex pheromone mating disruption in peach orchard[J].Jiangsu Agricultural Sciences,2016,44(24):161.
[3]公义,孙淑建,肖云丽,等.性迷向素迷向法防治梨园梨小食心虫试验效果[J].江苏农业科学,2018,46(10):109.
　Gong yi,et al.Experimental study on control effect of sex pheromone on Grapholitha molesta Busck in pear orchard[J].Jiangsu Agricultural Sciences,2018,46(24):109.
[4]王荣辕,刘广勤,李佰峰,等.性信息素诱捕器不同悬挂方式对梨小食心虫诱杀效果[J].江苏农业科学,2021,49(6):99.
　Wang Rongyuan,et al.Impact of different suspension methods of sex pheromone traps on trapping and killing of pear heartworm[J].Jiangsu Agricultural Sciences,2021,49(24):99.

备注/Memo

备注/Memo:
收稿日期：2021-02-11
基金项目：徐州市重点研发计划(编号：KC17055)。
作者简介：陈恩会(1979—)，男，江苏邳州人，硕士，高级农艺师，主要从事植物病虫害智能识别与防治研究。E-mail：enhui201@qq.com。
通信作者：赵银娣，博士，副教授，主要从事遥感数据处理、模式识别研究。E-mail：zhaoyd@cumt.edu.cn。
更新日期/Last Update: 2021-12-20