一种改进可形变FCN的农作物害虫检测方法

来源：江苏农业科学杂志2022年第第9期北京时间：

作者：徐聪;王旭启;刘裕

单位：西京学院信息工程学院，陕西西安 710123

摘要：田间农作物害虫种类繁多，不同的生长阶段形态和颜色各异，在自然环境下采集的图像背景复杂，角度和尺度变化多样，从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network，DFCN)的农作物害虫检测方法，该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积，能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征，在编码模块中应用了混合池化，加快了网络的训练速度，提高了害虫检测的准确率；解码模块对编码的下采样层进行反卷积操作，最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43%、78.16%，较语义分割方法SegNet分别提高了3.27、3.72百分点，单幅图像的识别时间为0.36 s，比SegNet 加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率，分割速度快，可为复杂背景下农作物害虫检测提供一定的理论参考。

关键词：农作物害虫检测;全卷积神经网络;可形变卷积;可形变全卷积神经网络