一种基于聚类特征的Faster R-CNN粮仓害虫检测方法

作者：张诗雨; 夏凯; 杜晓晨; 冯海林^*; 陈力

来源：中国粮油学报, 2020, 35(04): 165-172.

• 粮仓害虫
• 卷积神经网络
• Faster R-CNN
• 聚类特征
• 害虫检测

基于Faster R-CNN模型提出复杂背景下粮仓害虫的检测识别方法。将六种常见的储粮害虫(豆象、谷蠹、米象、锯谷盗、赤拟谷盗、锈赤扁谷盗)分别以大米、小米为背景,建立了真实背景下粮仓害虫图像数据集SGI-6。SGI-6中包括网络获取图像、显微镜采集图像和单反拍摄图像三种多目标尺度的数据集。根据粮仓害虫的小目标特性,使用聚类算法改进Faster R-CNN模型的区域提案网络,来提取这些图像中含有害虫的区域,并对这些区域中的害虫进行分类。实验结果表明,该方法能够在储粮条件下检测和识别粮仓害虫,且其平均准确率(mAP)达到96.63%。

• 单位
  浙江农林大学