基于实例分割的玉米虫害检测研究

作者：赵康迪; 单玉刚^*; 袁杰; 赵元龙

来源：河南农业科学, 2022, 51(12): 153-161.

DOI：10.15933/j.cnki.1004-3268.2022.12.018

• 玉米虫害
• 草地贪夜蛾
• 实例分割
• 迁移学习
• Yolact++
• Detnet

为实现玉米虫害精准、快速识别，提出基于实例分割的卷积神经网络结合迁移学习的虫害检测方法。以草地贪夜蛾的卵、幼虫、成虫为检测对象，使用数据增强对图像数据进行扩充，将Yolact++模型在COCO数据集上的预训练权重迁移至草地贪夜蛾的检测。使用focal loss中解决难易样本不均衡的思想，优化模型中的损失函数。以Detnet模型改进Yolact++模型中Resnet主干模型部分，提高对小目标检测的效果。训练过程中使用卷积层先冻结再解冻、局部与全局相结合的训练方法，获得最优权重模型，并对模型进行测试。结果表明：该方法与YoloV3+迁移学习、SSD+迁移学习、Yolact+迁移学习、Yolact++等检测算法相比，对复杂背景图像检测有更好的准确率与漏检率，测试的准确率达到96.32%，漏检率为5.51%，误检率为5.33%。

• 单位
  湖北文理学院; 新疆大学