基于显著性检测的害虫图像分类

作者：赵宏伟; 霍东升; 王洁; 李晓宁^*

来源：吉林大学学报（工学版）, 2021, 51(06): 2174-2181.

DOI：10.13229/j.cnki.jdxbgxb20200749

• 计算机应用
• 病虫害分类
• 显著性检测
• 多特征融合
• 数据增强

针对病虫害分类时害虫种类多样,且类间与类内差异大等问题,提出了一种害虫分类模型PestNet。模型主要由目标定位模块OPM和多特征融合模块MFFM组成,OPM通过U型网络结构整合害虫图像浅层细节信息和深层空间信息,初步划定显著区域并输出空间语义特征。MFFM通过对空间语义特征和抽象语义特征进行双线性池化操作,弱化背景信息,增加细节特征。此外,通过目标区域裁剪和掩膜等方式辅助训练模型,提高模型分类精度。将该模型在病虫害数据集IP102上进行实验,分类准确率可达77.40%,能够实现复杂背景下大规模害虫图像的分类识别。

• 单位
  上海航天控制技术研究所; 长春师范大学; 吉林大学