中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 融合注意力机制的Cascade R-CNN田间害虫检测方法 华中农业大学学报 2023,42 (3) 133-142
Position: Home > Articles > Field pest detection method based on improved Cascade R-CNN by incorporating attention mechanism Journal of Huazhong Agricultural University 2023,42 (3) 133-142

融合注意力机制的Cascade R-CNN田间害虫检测方法

作  者：
刘志;翟瑞芳;彭万伟;陈珂屹;杨万能
单  位：
关键词：
深度学习;测报灯;害虫识别;Cascade R-CNN;精准检测;注意力机制;绿色防控
摘  要：
为解决测报灯采集图像中害虫依赖人工识别及统计结果可靠性低和准确性差的问题,本研究提出一种改进型Cascade R-CNN田间害虫检测算法.该算法以Cascade R-CNN为基础框架,采用ResNeSt-50作为主干网络,融合了跨通道注意力机制;使用统一目标检测头(unifying object detection heads with attentions,Dy-Head),并融合尺度感知、空间位置感知和任务感知.此外,采用简单复制-粘贴(simple copy-paste,SCP)方法进行了数据增强.研究共采集到20类害虫总计1 500张图像,制作了符合MS COCO格式(microsoft common ob-jects in context 2017,MS COCO 2017)的测报灯田间害虫数据集.结果显示,本研究提出的方法的F1分数(F1-score)达到了86.2%.当交并比(intersection over union,IoU)为0.5时,其F1-分数与经典Cascade R-CNN、Fast-er R-CNN和YOLOv4相比,分别提升了2.8、5.8和8.2个百分点.表明该方法满足测报灯害虫检测任务对判别能力和实时性的要求,实现了害虫的高精度自动识别与计数,可直接应用于田间害虫检测.
译  名：
Field pest detection method based on improved Cascade R-CNN by incorporating attention mechanism

相似文章

导出引用
计量
文章访问数: 8
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46