針對目前主流的目標(biāo)檢測算法在蟲害監(jiān)控系統(tǒng)中識別速度慢、準(zhǔn)確度低的問題,提出一種基于SSD網(wǎng)絡(luò)模型的水稻害蟲識別方法。該算法用表征能力更強(qiáng)的特征金字塔代替SSD原有的多尺度特征圖,同時改進(jìn)了歸一化和激活函數(shù),使得模型對小目標(biāo)的識別率更高、收斂性更好,從而提高了水稻害蟲的識別率與檢測速度。實驗表明,相比于faster R-CNN算法,基于SSD改進(jìn)的水稻蟲害識別方法的mAP最高提升了6.6%,其識別速度最高提升8倍。 

【文章來源】：鄭州大學(xué)學(xué)報(理學(xué)版). 2020,52(03)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

改進(jìn)SSD深度學(xué)習(xí)模型結(jié)構(gòu)

水稻害蟲目標(biāo)檢測實驗結(jié)果

水稻害蟲的檢測的AP值對比

【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的一種改進(jìn)[J]. 劉小文,郭大波,李聰.  測試技術(shù)學(xué)報. 2019(02)
[2]改進(jìn)的SSD航拍目標(biāo)檢測方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛.  軟件學(xué)報. 2019(03)
[3]面向小目標(biāo)檢測結(jié)合特征金字塔網(wǎng)絡(luò)的SSD改進(jìn)模型[J]. 張建明,劉煊赫,吳宏林,黃曼婷.  鄭州大學(xué)學(xué)報(理學(xué)版). 2019(03)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的室內(nèi)場景識別[J]. 楊鵬,蔡青青,孫昊,孫麗紅.  鄭州大學(xué)學(xué)報(理學(xué)版). 2018(03)
[5]圖像識別處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J]. 周清松,唐秀忠.  現(xiàn)代電子技術(shù). 2017(04)

碩士論文
[1]儲糧害蟲圖像定位識別算法的研究與實現(xiàn)[D]. 苗海委.北京郵電大學(xué) 2019
[2]基于圖像識別的儲糧害蟲檢測[D]. 王德發(fā).北京郵電大學(xué) 2017
[3]激活函數(shù)導(dǎo)向的RNN算法優(yōu)化[D]. 張堯.浙江大學(xué) 2017



本文編號：3530831