|本期目录/Table of Contents|

[1]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.
　Tao Zhenyu,et al.Study on peanut pest image recognition based on Faster-RCNN[J].Jiangsu Agricultural Sciences,2019,47(12):247-250.
点击复制

基于Faster-RCNN的花生害虫图像识别研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第12期
页码:
247-250
栏目:
农业工程与信息技术
出版日期:
2019-07-10

文章信息/Info

Title:
Study on peanut pest image recognition based on Faster-RCNN
作者:
陶震宇1;  孙素芬2;  罗长寿2
1.北京农学院计算机与信息工程学院，北京 102206； 2.北京市农林科学院农业信息与经济研究所，北京 100097
Author(s):
Tao Zhenyu; et al
关键词:
Faster-RCNN; ResNet-50模型; 花生害虫; 图像识别
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
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。
Abstract:
-

参考文献/References:

［1］齐恒. 基于深度哈希学习算法的移动视觉检索系统设计与实现［D］. 北京：北京邮电大学，2018.
［2］梁晓旭. 基于卷积神经网络的遥感图像分类算法研究［D］. 西安：西安电子科技大学，2018.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2019-04-04
基金项目：北京市农林科学院青年基金(编号：QNJJ201919)。
作者简介：陶震宇(1993—)，男，安徽淮南人，硕士研究生，主要从事农业领域图像识别研究。E-mail：806941570@qq.com。
更新日期/Last Update: 2019-06-20