基于深度卷积神经网络的油菜虫害检测方法研究

发布时间：2021-10-05 02:12

　　油菜是我国重要的经济作物之一,其产量影响着我国国民经济的发展。每年油菜虫害对油菜产量和质量造成很大影响,对油料产业的发展构成严重威胁。因此,对油菜虫害的准确识别检测是油菜虫害的有效防治的重要前提。传统的油菜虫害检测方法容易受到背景、光照、角度、害虫姿态等因素的影响而导致鲁棒性不高。针对该问题,本文以5类常见油菜害虫为研究对象,提出基于深度卷积神经网络的油菜虫害检测模型。实验证明该方法准确率高达94.12%,但在小尺度油菜虫害检测上存在定位不准确,识别率低的问题。在此基础上,本文提出了改进的油菜虫害检测方法,最终准确实现了多尺度油菜虫害的检测。本文的主要研究工作如下:（1）针对传统油菜虫害检测方法鲁棒性不好的问题,本文提出基于Faster R-CNN的油菜虫害检测模型。通过实验表明,该方法比目前已有的油菜虫害检测方法提高了2个百分点的准确率,但在小尺度油菜害虫的检测上存在一定困难。（2）针对原模型存在的问题,本文通过修改网络结构,增加小尺度锚框,提出了改进的油菜虫害检测模型,提高了小尺度油菜害虫的检测性能。另外还引入难负样本挖掘方法消除正负样本不均衡问题,增强了模型的判别能力。（3）设计... 

【文章来源】：湖南农业大学湖南省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

R-CNN模型结构

FastR-CNN结构

FasterR-CNN结构

【参考文献】：
期刊论文
[1]基于改进残差网络的园林害虫图像识别[J]. 陈娟,陈良勇,王生生,赵慧颖,温长吉.  农业机械学报. 2019(05)
[2]面向小目标检测结合特征金字塔网络的SSD改进模型[J]. 张建明,刘煊赫,吴宏林,黄曼婷.  郑州大学学报(理学版). 2019(03)
[3]基于卷积神经网络的高分遥感影像露天采矿场识别[J]. 程国轩,牛瑞卿,张凯翔,赵凌冉.  地球科学. 2018(S2)
[4]基于多模式集合模拟气候变化对长江流域油菜生产潜力影响研究（英文）[J]. 田展,纪英豪,孙来祥,徐新良,樊冬丽,钟洪麟,梁卓然,FICSHER Gunther.  Journal of Geographical Sciences. 2018(11)
[5]基于卷积神经网络的温室黄瓜病害识别系统[J]. 马浚诚,杜克明,郑飞翔,张领先,孙忠富.  农业工程学报. 2018(12)
[6]深度卷积神经网络的宫颈癌细胞图像识别[J]. 谢欣,夏哲雷.  中国计量大学学报. 2018(02)
[7]近10年油菜主要病虫害发生危害情况的统计和分析[J]. 杨清坡,刘万才,黄冲.  植物保护. 2018(03)
[8]基于卷积神经网络的水稻虫害识别[J]. 梁万杰,曹宏鑫.  江苏农业科学. 2017(20)
[9]深度学习在储粮害虫的特征提取与分类上的应用[J]. 程曦,张友华,陈祎琼,吴云志,乐毅.  皖西学院学报. 2017(05)
[10]模式分类中的特征融合方法[J]. 刘渭滨,邹智元,邢薇薇.  北京邮电大学学报. 2017(04)

博士论文
[1]基于机器视觉的害虫识别方法研究[D]. 吴翔.浙江大学 2016

硕士论文
[1]区域卷积神经网络在车辆检测中的应用研究[D]. 张鹤鹤.西安理工大学 2018
[2]基于卷积神经网络的蔬菜识别及应用研究[D]. 韩朋朋.安徽大学 2018
[3]基于深度学习的储粮害虫检测算法的研究[D]. 沈驭风.北京邮电大学 2018
[4]基于图像的害虫自动计数与识别系统的研究[D]. 荆晓冉.浙江大学 2014
[5]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012



本文编号：3418793