Position: Home > Articles > Low-resolution Rice Pest Image Recognition Based on SCResNeSt
Transactions of the Chinese Society for Agricultural Machinery
2022,53
(9)
277-285
基于SCResNeSt的低分辨率水稻害虫图像识别方法
作 者：
曾伟辉;张文凤;陈鹏;胡根生;梁栋
单 位：
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心;安徽大学互联网学院
关键词：
水稻害虫图像;低分辨率;SCResNeSt;卷积神经网络;识别系统
摘 要：
针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法.首先,使用增强型超分辨率生成对抗网络(ESRGAN)对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block(Split-attention network block)进一步提升图像中害虫信息获取的准确性.最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统.实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求.本研究为水稻害虫智能化识别和防治提供了技术基础.
译 名：
Low-resolution Rice Pest Image Recognition Based on SCResNeSt
相似文章
-
基于多尺度双路注意力胶囊网络在水稻害虫识别中的应用 [刘裕, 赵保平, 张述嘉, 林洁] 西南农业学报 2022,35 (7) 1573-1581
