1.ABSTRACT
农业害虫的频繁爆发导致了作物生产减少,并严重限制了农业生产。许多农业害虫对农业工人的农业害虫的准确识别带来了挑战。目前,传统的农业害虫检测方法由于效率和准确性较低,无法满足农业生产的需要。本文提出了一种无锚区域卷积神经网络(AF-RCNN),用于对24类害虫的精度识别和分类。首先,设计了一个特征融合模块来提取农业害虫,特别是小害虫的有效特征信息。然后,我们提出了一个无锚区域建议网络(AF-RPN),该网络基于融合特征图获得高质量的目标建议作为可能的害虫位置。最后,我们的无锚定区域卷积神经网络(AF-RCNN)通过将我们的AFRPN与Fast R-CNN合并为一个单一网络,通过端到端方式检测24类害虫。我们在害虫数据集上评估了我们的方法的性能.
1. Introduction
农业是我国的基础产业,在社会经济发展中起着重要的作用。近年来,作物害虫的频繁发生严重影响了我国农业的发展。施用化学农药是防治害虫的最重要途径。由于大多数农业工人缺乏各种害虫的专业知识,难以正确匹配相应的农药类型,导致农药的大规模和盲目应用。害虫综合管理(IPM)(Bernardo,1993)提出,对害虫的早期实时监测(包括本地化和重组),评估其未来发展趋势,可以提高农药施用的准确性,有效减少经济、环境和生态损失。长期以来,该监控管理依靠人工调查,存在明显缺陷:耗时、浪费人力物力;信息采集不能实现实时性,识别准确性不稳定。因此,寻找一种准确、实时的智能害虫检测方法来替代传统的人工检测方法具有重要意义。