基于Faster R-CNN的野外环境中蝗虫快速识别

作者：武英洁,房世波,Piotr Chudzik,Simon Pearson,Bashir Al-Diril,冯旭宇,李云鹏

摘要：蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型。利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN(Faster Region-based Convolutional Neural Network)网络结构建立了蝗虫识别模型。经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步。该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域。

发文机构：中国气象科学研究院 The University of Lincoln The University of Lincoln 内蒙古自治区生态与农业气象中心

关键词：蝗虫深度学习识别FasterR-CNNLocustDeep learningIdentificationFaster R-CNN

分类号： TP391.41[自动化与计算机技术—计算机应用技术]S433.2[自动化与计算机技术—计算机科学与技术]