基于深度学习的病虫害智能化识别系统

被引：34

作者：

陈天娇 ^{[1
]}

曾娟 ^{[2
]}

谢成军 ^{[1
]}

王儒敬 ^{[1
]}

刘万才 ^{[2
]}

张洁 ^{[1
]}

李瑞 ^{[1
]}

陈红波 ^{[1
]}

胡海瀛 ^{[1
]}

董伟 ^{[3
]}

机构：

[1] 中国科学院合肥物质科学研究院/合肥智能机械研究所

[2] 全国农业技术推广服务中心

[3] 安徽省农业科学院农业经济与信息研究所

来源：

中国植保导刊 | 2019年 / 39卷 / 04期

基金：

国家重点研发计划;

关键词：

深度学习; 病虫害; 检测; 识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 []; S431 [植物病虫害的预测预报];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ; 0904 ;

摘要：

我国农作物种植覆盖面广、分散度高,病虫害发生种类多、区域性发生规律复杂,传统的人工鉴定技术从效率、能力与精度方面均难以满足新形势下重大病虫测报要求。针对这一实践需求,以测报灯下害虫图像数据库(约18万张)、田间病虫害图像数据库(约32万张)为基础,构建了基于深度学习方法的病虫害种类特征自动学习、特征融合、识别和位置回归计算框架,并研发了移动式病虫害智能化感知设备和自动识别系统。通过近2年的精确度和实操运行效率检验,该系统在自然状态下对16种灯下常见害虫的识别率为66%～90%,对38种田间常见病虫害(症状)的识别率为50%～90%。随基础数据库的不断丰富、神经网络深层特征提取的不断完善,该系统有望进一步提高识别准确率,从而真正实现田间病虫害识别自动化、智能化和高效率。

引用

页码：26 / 34

页数：9

共 20 条

[1]

Detection techniques for stored-product insects in grain.[J].S. Neethirajan;C. Karunakaran;D.S. Jayas;N.D.G. White.Food Control.2005, 2

[2]

计算机图像处理技术及其在农业工程中的应用.[M].方如明等编著;.清华大学出版社.1999,

[3]

基于深度学习的昆虫图像识别研究.[D].秦放.西南交通大学.2018, 10

[4]

基于深度学习的稻飞虱图像分类识别的研究.[D].陈国特.浙江理工大学.2018, 06