基于改进ResNet50的草原蝗虫种类智能识别APP系统#br#

来源：中国农机化学报杂志2025年第5期北京时间：

作者：甄又陈, 王佳宇, 王宁, 刘升平, 林克剑, 李艳艳

单位：1. 内蒙古农业大学草原昆虫研究中心，呼和浩特市，010019； 2. 中国农业科学院草原研究所，呼和浩特市， 010010； 3. 中国农业科学院农业信息研究所，北京市，100081

摘要：为解决草原蝗虫在防控调查中识别困难、时效低下、准确率低等问题，提出基于改进ResNet50的蝗虫种类智能识别APP系统。以移动端设备在不同环境下拍摄的4454张不同种类的蝗虫图片为基础，采用Adam优化器与余弦退火的学习率退火方式于GoogLeNet、ALexNet、VGGNet16、ResNet34、ResNet50、MobilenetV3六种分类模型训练成果对比下，挑选最优网络。加入注意力机制，提升模型准确率，又以改进后的网络为识别模型对其进行后续的端口接入与前端的平面设计，最终形成蝗虫识别APP。试验表明：改进后的模型平均准确率提升至98.9%；测试集中的准确率为96.6%，比改进前提高7%。该蝗虫识别APP系统可安装至移动端设备，以确保蝗虫调查时准确把握蝗虫发生的详细信息。

关键词：草原蝗虫,监测,深度学习,注意力机制,改进ResNet50

基金资助：国家重点研发计划（2022YFD1401102）；国家科技基础资源调查专项（2019FY100404）；中国农业科学院北方农牧业技术创新中心项目（BFGJ2022007）；内蒙古自治区科技重大专项（2021ZD0011—2）；内蒙古自治区科技计划项目（2021GG0069）