基于图像显著性分析与卷积神经网络的茶园害虫定位与识别.pdfVIP

第 33 卷 第 6 期 农 业 工 程 学 报 Vol.33 No.6 156 2017 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2017 基于图像显著性分析与卷积神经网络的茶园害虫定位与识别 ※ 杨国国，鲍一丹 ，刘子毅 （浙江大学生物系统工程与食品科学学院，杭州 310058 ） 摘 要：为实现在茶园环境中快速、准确地识别害虫目标，该文提出了一种基于卷积神经网络的深度学习模型来进行害 虫定位和识别的方法。该文通过对整个图像进行颜色衰减加速运算，结合超像素区域之间的空间影响，计算各个超区域 的显著性值，进而提供害虫目标的潜在区域，最终结合 GrabCut 算法进行害虫目标的定位和分割。对于分割后的害虫目 标，通过优化后的卷积神经网络进行表达和分类，并进一步对卷积神经网络的结构进行了约减。通过对 23 种茶园主要害 虫的识别，试验结果表明，识别准确率在优化前后分别为 0.915 和 0.881，优化后的模型内存需求和运行耗时分别降低至 6 MB 和 0.7 ms，取得了较好的识别效果。 关键词：像素；算法；识别；害虫检测；图像显著性分析；深度学习；卷积神经网络 doi ：10.11975/j.issn.1002-6819.2017.06.020 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2017)-06-0156-07 杨国国，鲍一丹，刘子毅. 基于图像显著性分析与卷积神经网络的茶园害虫定位与识别[J]. 农业工程学报，2017，33(6)： 156－162. doi ：10.11975/j.issn.1002-6819.2017.06.020 Yang Guoguo, Bao Yidan, Liu Ziyi. Localization and recognition of pests in tea plantation based on image saliency analysis and convolutional neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(6): 156－162. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.06.020 姿态变化或图像背景复杂时，基于全局属性的描述则难 0 引 言 有作为。伴随计算机视觉技术的进一步发展，近年的研 茶树是中国重要的经济作物，如今国内的茶园面积 究转向以局部图像特征为核心而设计的表达框架，并在 达到了 3 529.0 万 hm2 ，约占世界茶园面积的 50% 以上， 准确性和稳定性上获得显著提升。以应用最为广泛的“视 遍及 18 个省。茶树在生长过程中，极易遭受多种害虫危 觉词袋框架”[13] （bag-of-words ，BOW ）为例，此类方法 害[1] 。在现代生态化茶园建设中，害虫种群监测是农业虫 首先提取尺度不变特征 [14] （scale invariant feature 害防控的重要环节之一。害虫的防治手段取决