基于卷积神经网络的害虫分类

来源：中国农机化学报杂志2022年第11期北京时间：

作者：陈继清, 韦德鹏, 龙腾, 罗天, 王桦彬

单位：广西大学机械工程学院，南宁市，530007

摘要：农作物病虫害是一种严重的自然灾害，需要对其进行及时预测和监控，以保证农作物产量。由于害虫种类繁多以及作物在生长初期的形态相似，农业工作者难以准确识别各类作物昆虫，给病虫害的防治工作带来巨大挑战。针对这一问题，提出一种基于多尺度特征融合的网络模型(FFNet)对作物害虫进行精准识别与分类。首先，采用空洞卷积设计多尺度特征提取模块(MFEM)，获取害虫图像的多尺度特征图；然后，使用深层特征提取模块(DFEM)提取图像的深层特征信息；最后，将分别由多尺度特征提取模块(MFEM)和深层特征提取模块(DFEM)提取到的特征图进行融合，从而实现以端到端的方式对作物害虫进行精准分类与识别。试验表明：所提出的方法在12类害虫的数据集上获得优异的分类性能，分类准确率(ACC)达到98.2%，损失函数Loss为0.031，模型训练时间为197 min。

关键词：深度学习,卷积神经网络,多尺度融合,空洞卷积,害虫分类

基金资助：广西科技基础和人才专项(AD19110034)