基于二值化的Faster R-CNN柑橘病虫害识别研究

来源：中国农机化学报杂志2022年第6期北京时间：

作者：宋中山, 汪进, 郑禄, 帖军, 朱祖桐,

单位：1.中南民族大学计算机科学学院，武汉市，430074； 2.湖北省制造企业智能管理工程技术研究中心，武汉市，430074

摘要：为研究在自然场景下柑橘叶片病害检测和识别技术，提出一种基于二值化的Faster R-CNN（Binary Faster R-CNN）区域检测神经网络模型。改进模型将原始的Faster R-CNN全连接层神经网络转变为二进制全卷积神经网络。试验结果表明，该模型对柑橘的黑斑病、溃疡病、黄龙病、疮痂病、健康叶片的平均准确率分别为87.2%、87.6%、89.8%、86.4%和86.6%，总平均准确率为87.5%；模型识别时间相较于Faster R-CNN网络提高0.53 s，每幅图像的检测时间为0.31 s，模型大小缩小到15.3 MB，FLOPs为2.58×109；同时在保证模型检测有效性的情况下可快速收敛。该方法对复杂自然环境下的柑橘叶片病害检测具有较好的识别速度和鲁棒性，对柑橘类疾病预防有重要的研究意义。

关键词：FasterR-CNN,BinaryFasterR-CNN,二进制网络,目标检测,柑橘,病虫害

基金资助：湖北省技术创新专项重大项目（2019ABA101）；武汉市科技计划应用基础前沿项目（2020020601012267）；中国科学院—国家民委农业信息技术研究与开发联合实验室招标课题（PJW060012003）