基于Mask R-CNN模型的虫害识别方法研究

• 全文链接
• 请求原文

作   者：

张耀丽;  许宁;  宋裕民;  康建明;  张国海;  孟庆山; 

作者机构：

山东省农业机械科学研究院;  山东理工大学农业工程与食品科学学院;  山东交通学院汽车工程学院; 

关键词：

Mask R-CNN模型;  样本采集;  图像预处理;  虫害识别;  梨小食心虫; 

期刊名称：

农业装备与车辆工程

i s s n：

1673-3142

年卷期：

2023 年 61 卷 001 期

页   码：

44-47,52

摘   要：

为提高果园虫害远程监测自动识别的准确率与稳定性,以梨小食心虫作为研究对象,提出了基于Mask R-CNN目标检测模型的虫害识别方法.在Faster R-CNN模型基础上优化添加用以预测分割的Mask回归分支,将进行2次量化操作的RoI Pooling层替换为使用线性插值算法的RoI Align层,另外添加并列的FCN层,使模型具有更强大的泛化能力,可在有效检测目标的同时输出高质量的实例分割Mask.采用固定式物联网捕虫装置获取数据样本,并应用数据增广和掩模标注等方法构建数据集,经过深度学习训练,可有效提高果园虫害识别的准确性.实验表明,该方法的目标识别平均准确率达98.87%,能够对梨小食心虫进行精确、稳定、高效的识别,可为精确虫害防治提供参考.