基于实例分割的玉米虫害检测研究
赵康迪1
单玉刚2
袁杰1
赵元龙1
1.新疆大学电气工程学院,新疆乌鲁木齐8300172.湖北文理学院,湖北襄阳441000
摘要：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％.
关键词：玉米虫害草地贪夜蛾实例分割迁移学习Yolact++Detnet
分类号：S126(农业物理学)TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(61863033)国家自然科学基金(62263031)新疆维吾尔自治区自然科学基金(2022D01C53)湖北省教育科学规划基金项目(2021GA048)教育部卓越工程师教育培养计划项目产学合作协同育人项目(202102602033)襄阳市重点科技计划项目(2020ABH001799)
论文发表日期：2022-12-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 153-161 )
英文信息