基于Faster R-CNN的美国白蛾图像识别模型研究

来源：环境昆虫学报杂志2020年第6期北京时间：

作者：薛大暄，张瑞瑞，陈立平，陈梅香，徐刚

单位：1. 首都师范大学信息工程学院,2. 国家农业信息化工程技术研究中心

摘要：昆虫监测中美国白蛾Hyphantria Cunea的人工辨识、分类费时费力，且主观性强。本文利用RPN人工神经网络模型对美国白蛾图像数据进行特征提取，并对比分析Inception_v2，ResNet50，ResNet101网络模型，设计了一种改进的美国白蛾人工神经网络识别模型IHCDM（Improved Hyphantria Cunea Artificial Neural Network Recognition Model，IHCDM），采用端到端方法在GPU处理器上对该模型进行了训练，并对其进行了实验验证。结果表明：该模型对美国白蛾的识别准确率可达99.5%，相比于ResNet50与ResNet101网络模型，识别准确率提高了0.5%与0.4%。超参数微调后，在置信度阈值为0.85时，识别准确率99.7%，识别速度0.09 ms/张。IHCDM模型为美国白蛾的快速辨识、分类提供了一种新方法。

关键词：美国白蛾,图像识别,人工神经网络,深度学习,

基金资助：国家自然科学基金面上项目（31971581）；北京市农林科学院2020创新能力建设项目（KJCX20200108）