[1]王曾龙　蒋勇勇 彭海峰 杨　钰 段元梅 郭宜娟　王林惠.一种基于Faster-RCNN的棉花虫害识别与统计方法[J].大众科技,2023,25(5):5-7.
　A Method for Cotton Pests Identification and Statistics Based on Faster-RCNN[J].Popular Science & Technology,2023,25(5):5-7.
点击复制

一种基于Faster-RCNN的棉花虫害识别与统计方法()
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
25
期数:
2023年5
页码:
5-7
栏目:
信息技术与通信
出版日期:
2023-05-20

文章信息/Info

Title:
A Method for Cotton Pests Identification and Statistics Based on Faster-RCNN
作者:
王曾龙　蒋勇勇 彭海峰 杨　钰 段元梅 郭宜娟　王林惠
（湖南科技学院智能制造学院，湖南 永州 425199）
关键词:
深度学习; Faster-RCNN; 图像识别; 棉花害虫; 统计分析
Keywords:
deep learning;  Faster-RCNN;  image recognition;  cotton pests;  statistical analysis
文献标志码:
A
摘要:
棉花是我国重要的经济作物，其在生长过程中极易受虫害影响。因此，准确识别棉花害虫并确定其危害程度，为化学防治提供依据意义重大。文章设计了一种基于Faster-RCNN模型的棉花虫害识别方法，并统计其类型和数量参数。试验结果表明：与CNN＋RCNN模型相比，单RCNN模型耗时长，且准确率低。该研究工作可为智能化虫害识别系统的开发提供一定的方法基础。
Abstract:
Cotton is an important economic crop in China, it is highly susceptible to insect pests during its growth. Therefore, accurately identifying cotton pests and determining their degree of harm is of great significance for providing a basis for chemical control. In this paper, we propose a cotton pest identification method based on the Faster RCNN model and count its type and quantity parameters. Experimental results show that compared with the CNN+RCNN model, the single RCNN model has a longer processing time and lower accuracy. This study provides a certain methodological foundation for the development of intelligent pest identification systems.

参考文献/References:

[1] 邓金剑. 美国限制进口新疆棉花: 供应链与产业链之争[J]. 国际经济合作，2021(5): 79-89.[2] 王林惠，甘海明，岳学军，等. 基于图像识别的无人机精准喷雾控制系统的研究[J]. 华南农业大学学报，2016，37(6): 23-30.[3] 杨信廷，刘蒙蒙，许建平，等. 自动监测装置用温室粉虱和蓟马成虫图像分割识别算法[J]. 农业工程学报，2018，34(1): 164-170.[4] MURUGADOSS R, RAMAKRISHNAN M. Universal approximation using probabilistic neural networks with sigmoid activation functions[C]. International Conference on Advances in Engineering and Technology Research, IEEE, 2015: 1- 4.[5] 刘德营，赵三琴，丁为民，等. 基于图像频谱特征的稻飞虱识别方法[J]. 农业工程学报，2012，28(7): 184-188.[6] 胡秋霞. 基于图像分析的植物叶部病害识别方法研究[D]. 杨凌: 西北农林科技大学，2013.[7] 戴金波. 基于视觉信息的图像特征提取算法研究[D]. 长春: 吉林大学，2013.[8] 李震，洪添胜，王建，等. 柑橘全爪螨虫害快速检测仪的研制与试验[J]. 农业工程学报，2014，30(14): 49-56.[9] 程鲁玉，孟小艳，达新民. 基于 SVM 算法的林果害虫 图像识别[J]. 信息通信，2017(12): 57-58.[10] 温芝元，曹乐平. 基于补偿模糊神经网络的脐橙不同病虫 害图像识别[J]. 农业工程学报，2012，28(11): 152-157.[11] 邹修国，丁为民，刘德营，等. 基于4种不变矩和BP神经网络的稻飞虱分类[J]. 农业工程学报，2013，29(18): 171-178.[12] 王林惠，兰玉彬，刘志壮，等. 便携式柑橘虫害实时检测系统的研制与试验[J]. 农业工程学报，2021，37(9): 282-288.

相似文献/References:

[1]杨秀霞 陆巍巍 张 毅 闫 实.深度学习视域下研究生学科基础课程应用型教学改革探索[J].大众科技,2021,23(7):100.
　Exploration on the Applied Teaching Reform of the Basic Courses of Postgraduate Subject from the Perspective of Deep Learning[J].Popular Science & Technology,2021,23(5):100.
[2]刘　洁　周明霞　李　敏　王志伟　马金凤　朱　红.基于Unet的多模态脑胶质瘤病灶自动获取模型[J].大众科技,2021,23(11):21.
　Automated Acquisition Model of Multimodal Glioma Lesions Based on Unet[J].Popular Science & Technology,2021,23(5):21.
[3]潘俊霖.轻量化卷积神经网络的人脸识别方法[J].大众科技,2022,24(06):18.
　Face Recognition Method Based on Lightweight Convolutional Neural Network[J].Popular Science & Technology,2022,24(5):18.
[4]方丹娜 黄国航 冯振俭 冯博超 高 睿.基于地理信息系统的无人机航飞影像地物识别样本库建设技术研究[J].大众科技,2023,25(11):1.
　Research on the Construction Technology of a Sample Library for UAV Aerial Image Ground-Object Recognition Based on Geographic Information System[J].Popular Science & Technology,2023,25(5):1.

备注/Memo

备注/Memo:
【收稿日期】2022-09-20【基金项目】永州市指导性科技计划项目（2021-YZKJZD-007）。【作者简介】王曾龙（2001—），男，湖南科技学院智能制造学院学生，研究方向为深度学习。
更新日期/Last Update: 2023-07-17