基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别

发布时间:2021-08-20 02:56
  草地贪夜蛾是对粮食安全具有巨大威胁的害虫,早发现、早防治对虫情控制具有重要意义。目前,利用深度学习方法进行草地贪夜蛾及其近缘种成虫识别的相关研究存在数据量严重偏小的情况,有可能造成模型未能真正学习到草地贪夜蛾及其近缘种成虫的环形纹、肾形纹等关键视觉特征。针对上述问题,本研究在建立包含草地贪夜蛾在内的7种夜蛾科成虫,10,177幅图像组成的数据库基础上,采用迁移学习方式建立了VGG-16、ResNet-50和DenseNet-121,3种夜蛾成虫识别深度学习模型,并用相同的测试集测试了所有模型。结果表明,构建的模型识别准确率均超过了98%。此外,本研究用特征可视化技术展现了模型习得的特征,并验证了这些特征和专家进行人工识别的关键视觉特征的一致性——ResNet-50和DenseNet-121的平均特征识别率在85%左右,进一步支持了用深度学习进行草地贪夜蛾成虫实时识别的可行性。研究发现,不同模型对夜蛾科成虫视觉特征的学习能力不一样,在评价模型时不能仅看识别率,还需要加入视觉特征识别率指标对模型的学习内容进行评价。本研究通过试验证明可视化分析可以直观认识模型的特征学习情况,可为行业内或其他... 

【文章来源】:智慧农业(中英文). 2020,2(03)

【文章页数】:11 页

【部分图文】:

基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别


7种夜蛾科成虫的视觉特征标注图

流程图,夜蛾,流程,模型识别


因存在图像拍摄角度、距离等差异,并非所有特征均在原始图像上清晰展现。因此,定义特征有效样本数为原始图像上该特征能被人工清楚识别的图像数量,记为N。对于夜蛾的某一特征,若能被人工同时从Grad-CAM_GB和GradCAM++_GB图像中观察到,则判定在当前测试图片中该特征可被模型识别。特征被模型识别出的图像幅数总和记为M。本研究用特征识别率P来衡量模型对人工认为的关键视觉特征的学习能力,则P可定义为:3 结果与分析

【参考文献】:
期刊论文
[1]中国草地贪夜蛾的防控策略[J]. 吴孔明.  植物保护. 2020(02)
[2]基于深度学习的草地贪夜蛾自动识别[J]. 于业达,顾偌铖,唐运林,韦俊宏,潘国庆,陈通.  西南大学学报(自然科学版). 2019(09)
[3]中国不同地区草地贪夜蛾种群生物型分子特征分析[J]. 张磊,柳贝,姜玉英,刘杰,吴孔明,萧玉涛.  植物保护. 2019(04)
[4]草地贪夜蛾及其近似种的鉴定[J]. 孔德英,孙涛,滕少娜,叶军.  植物检疫. 2019(04)
[5]草地贪夜蛾与斜纹夜蛾的形态特征和生物学习性比较[J]. 赵胜园,罗倩明,孙小旭,杨现明,姜玉英,吴孔明.  中国植保导刊. 2019(05)



本文编号:3352669

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/dzwbhlw/3352669.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bc870***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com