一种高效精准的草地贪夜蛾的图像识别方法技术

本发明专利技术提供一种高效精准的草地贪夜蛾的图像识别方法，包括获取带有幼虫或成虫的图像，还包括以下步骤：建立包含草地贪夜蛾在内的玉米田间常见害虫的图像数据库；基于优化分类模型和目标定位建立完整的二阶段深度卷积神经网络识别模型；对所述二阶段深度卷积神经网络识别模型进行训练；将所述带有幼虫或成虫的图像输入到训练好的所述二阶段深度卷积神经网络识别模型中，并输出识别结果。本发明专利技术提出了一种高效精准的草地贪夜蛾的图像识别方法，设计了一种基于EfficientNet的二阶段分类模型MaizePestNet，可通过引入梯度类激活热力图Grad

【技术实现步骤摘要】
一种高效精准的草地贪夜蛾的图像识别方法


[0001]本专利技术涉及虫害图像识别的
，特别是一种高效精准的草地贪夜蛾的图像识别方法。

技术介绍

[0002]草地贪夜蛾种群主要危害玉米，玉米田的主要害虫有斜纹夜蛾Spodoptera litura（Fabricius）、甜菜夜蛾Spodoptera exigua（H
ü
bne）、棉铃虫Helicoverpa. Armigera（H
ü
bne）、亚洲玉米螟Ostrinia. Furnacalis（Guen
é
e）、粘虫Mythimna. Separata（Walker）、桃蛀螟Conogethes punctiferalis（Guen
é
e）和二点委夜蛾Athetis lepigone（Moschller）等30余种。草地贪夜蛾入侵后，玉米生产上急需一种简便、精准的技术平台识别该虫，帮助农业技术人员和农民做好监测与防控工作。
[0003]目前主流的分类模型有VGG、ResNet、DenseNet等。为了对目标实现准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高效精准的草地贪夜蛾的图像识别方法，包括获取带有幼虫或成虫的图像，其特征在于，还包括以下步骤：步骤1：建立包含草地贪夜蛾在内的玉米田间常见害虫的图像数据库；步骤2：基于优化分类模型和目标定位建立完整的二阶段深度卷积神经网络识别模型；所述优化分类模型的方法包括以下子步骤：步骤201：提取分类模型中影响模型精度的要素；影响模型精度的所述要素包括网络深度d、网络宽度w和输入图像分辨率r，公式为公式为公式为公式为公式为其中，α是网络深度分配系数，β是网络宽度分配系数，γ是网络分辨率分配系数，
ϕ
是模型资源扩展系数，s.t.为约束条件；步骤202：使用不同的系数计算得到基础模型和不同尺度的模型；所述基础模型的计算方法为固定公式中的
ϕ
=1，通过NAS搜索得出最优的α、β、γ，得到基础模型B0；所述不同尺度的模型的计算方法为固定α、β、γ的值，使用不同的
ϕ
，对所述基础模型的三个维度同时扩展，得到不同尺度的B1、B2、B3、B4、B5、B6、B7共7个模型；步骤203：采用知识蒸馏方法，将8个不同尺度模型中精度最高的模型作为教师模型，用于训练EfficientNet
‑
B0模型，使得所述EfficientNet
‑
B0模型达到最优分类精度，得到优化分类模型；步骤3：对所述二阶段深度卷积神经网络识别模型进行训练...

【专利技术属性】
技术研发人员：张浩文，吴孔明，杨现明，
申请(专利权)人：中国农业科学院植物保护研究所，
类型：发明
国别省市：