基于FasterR-CNN的小麦病虫害识别应用

王 思平, 李 丹
四川大学锦城学院计算机与软件学院

摘要

本文探究了FasterR-CNN系列网络对复杂背景小麦病虫害数据集的识别能力，对比了ResNet50-FasterR-CNN、ResNet101-FasterR-CNN、ResNet101-FasterR-CNN+FPN三种网络对复杂背景小麦病虫害数据集在上的检测效果。实验结果三种网络的AveragePrecision均值可以达到0.82以上。ResNet101-FasterR-CNN+FPN网络（AveragePrecision达到0.91）是三种训练网络中对小麦病虫害数据集检测效果最优的网络结构。实验评估表明：两阶段检测ResNet-FasterR-CNN在小麦病虫害识别当中有一定应用能力。

关键词

FasterR-CNN;目标检测;农业病虫害识别

参考

[1] 数据引用国家统计局官网 .

[2] 王克如 . 基于图像识别的作物病虫草害诊断研究 [D]. 北京 : 中国农业科学院 ,2005.

[3] 任东 , 于海业 , 王纪华 . 基于线性组合核函数支持向量机的病害图像识别研究 [J]. 农机化研究 ,2007(09):41-43.

[4]Bravo C, Moshou D, West J, McCartney A, Ramon H. Early disease detection in wheat fields using spectral reflectance. Biosystems Engineering. 2003 Feb;84(2):137-145. DOI: 10.1016/s1537- 5110(02)00269-6.

[5] 温芝元 , 曹乐平 . 基于为害状色相多重分形的椪柑病虫害图 像识别 [J]. 农业机械学报 ,2014,45(03):262-267.

[6] 姜敏 , 沈一鸣 , 张敬尧 , 饶元 , 董伟 . 基于深度学习的水稻病 虫害诊断方法研究 [J]. 洛阳理工学院学报 ( 自然科学版 ),2019, 29(04):78-83.

[7] 李想 . 基于物联网的虫情监测系统 [D]. 北京 : 北京林业大 学 ,2019.

[8] S. Ren, K. He, R. B. Girshick, and J. Sun. FasterR-CNN: towards real-time object detection withregion proposal networks.CoRR, abs/1506.01497,2015.

[9] K.He,X.Zhang,S.Ren,and J.Sun,Deep residual learning for image recog-nition, inThe IEEE Conference on Computer Vision and Pattern Recognition(CVPR), June 2016.

[10] T. Lin, P. Dollár, R. Girshick, K. He, B. Hariharan, and S. Belongie,.Feature Pyramid Networks for Object Detection. arXiv e-prints,arXiv:1612.03144, Dec 2016.