基于改进AlexNet的岭南水稻虫害识别方法研究

来源：江苏农业科学杂志2023年第第23期北京时间：

作者：江顺;黄红星;莫里楠;韩威威;高卓君;卓钟洪

单位：1.广东省农业科学院农业经济与农村发展研究所，广东广州 510640； 2.农业农村部华南都市农业重点实验室，广东广州 510640

摘要：通过改进经典AlexNet深度学习模型在几种典型的水稻害虫识别中的深度不足和过拟合问题，探索出一套泛化能力更强、识别精度与计算效率更加均衡的深度学习网络模型，达到在一定计算资源支持下能适应复杂情境的精准辨识水稻害虫的需求。本研究中AlexNet-enhanced模型经过了以下改进：(1)采用通过缩小卷积核和增加卷积层深度的方式提升对图像深层次特征提取的能力；(2)删除LRN层和删除一个全连接层提升模型计算性能；(3)使用RReLU激活函数改进模型鲁棒性。试验数据使用多种网络数据集和自采集数据，选择稻纵卷叶螟、稻大螟、稻二化螟、稻三化螟、稻飞虱、稻象甲等具有代表性的南方水稻害虫数据作为试验数据，并加入健康水稻影像数据构建试验数据集。选择VGG-16、经典AlexNet、LeNet等3种模型训练作为本研究的对比模型，对4种模型的准确率、混淆矩阵、精确率、召回率、F1分数等结果参数进行综合比对分析评估模型性能。结果表明：(1)AlexNet-enhanced模型对比经典AlexNet模型在训练时间上有较大升高，但对比VGG-16这类结构更深的神经网络模型具备明显的训练时间优势；(2)与经典AlexNet模型相比，改进后的模型对水稻害虫的识别率有较大的提升，对幼虫的识别率提升更加明显；(3)对试验结果的分析发现4种模型对各类型害虫的成虫识别率均明显高于幼虫。本研究结果表明，改进的AlexNet模型对南方水稻害虫的识别问题有不错的应用效果，可以作为大田间水稻害虫智能识别的有效解决方案；同时，神经网络模型的训练受特征采样条件约束较强，需要对生产中的数据采集设备进行针对性的改进。

关键词：深度学习;南方水稻;害虫识别