基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数

作者：张银松; 赵银娣; 袁慕策

来源：中国农业大学学报, 2019, 24(05): 115-122.

DOI：10.11841/j.issn.1007-4333.2019.05.14

• 昆虫识别
• 昆虫计数
• Faster-RCNN
• 残差网络
• Soft-NMS insect identification
• insect count
• ResNet
• Soft-NMS

针对传统机器学习采用人工提取特征方法时,由于人为主观性而影响昆虫识别效果与计数准确性的问题,采用图像特征自动提取方法,将深度学习目标检测模型引入昆虫的识别与计数领域,对Faster-RCNN目标检测模型进行改进:针对昆虫体积小,图像分辨率较低的特点,用网络深度更深,运算量更小的深度残差网络(ResNet50)代替原来的VGG16,以提取更加丰富的特征;针对部分昆虫密集的特点,用Soft-NMS算法代替传统的非极大值抑制(NMS)算法,以减少密集区域的漏检。结果表明:改进后Faster-RCNN模型的检测准确率达到90.7%,较未改进的Faster-RCNN模型提高了4.2%,可以运用于昆虫的分...