基于SSD网络模型改进的水稻害虫识别方法

发布时间：2021-12-09 14:52

　　针对目前主流的目标检测算法在虫害监控系统中识别速度慢、准确度低的问题,提出一种基于SSD网络模型的水稻害虫识别方法。该算法用表征能力更强的特征金字塔代替SSD原有的多尺度特征图,同时改进了归一化和激活函数,使得模型对小目标的识别率更高、收敛性更好,从而提高了水稻害虫的识别率与检测速度。实验表明,相比于faster R-CNN算法,基于SSD改进的水稻虫害识别方法的mAP最高提升了6.6%,其识别速度最高提升8倍。 

【文章来源】：郑州大学学报(理学版). 2020,52(03)北大核心

【文章页数】：6 页

【部分图文】：

改进SSD深度学习模型结构

水稻害虫目标检测实验结果

水稻害虫的检测的AP值对比

【参考文献】：
期刊论文
[1]卷积神经网络中激活函数的一种改进[J]. 刘小文,郭大波,李聪.  测试技术学报. 2019(02)
[2]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞.  软件学报. 2019(03)
[3]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)
[4]基于卷积神经网络的室内场景识别[J]. 杨鹏,蔡青青,孙昊,孙丽红.  郑州大学学报(理学版). 2018(03)
[5]图像识别处理技术在农业工程中的应用[J]. 周清松,唐秀忠.  现代电子技术. 2017(04)

硕士论文
[1]储粮害虫图像定位识别算法的研究与实现[D]. 苗海委.北京邮电大学 2019
[2]基于图像识别的储粮害虫检测[D]. 王德发.北京邮电大学 2017
[3]激活函数导向的RNN算法优化[D]. 张尧.浙江大学 2017



本文编号：3530831