基于Mask R-CNN模型的虫害识别方法研究

作者：张耀丽; 许宁^*; 宋裕民; 康建明; 张国海; 孟庆山

来源：农业装备与车辆工程, 2023, 61(01): 44-52.

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

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Ro I Pooling层替换为使用线性插值算法的Ro I 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。

• 单位
  山东理工大学; 山东省农业机械科学研究院; 山东交通学院