基于YOLO v2的辣椒葉部蚜蟲圖像識(shí)別

鄒瑋,岳延濱*,馮恩英,彭順正,張愛民,肖玖軍

基于YOLO v2的辣椒葉部蚜蟲圖像識(shí)別

鄒瑋1,岳延濱1*,馮恩英1,彭順正1,張愛民2,肖玖軍3

1. 貴州省農(nóng)業(yè)科技信息研究所, 貴州 貴陽 550006 2. 貴州省辣椒研究所, 貴州 貴陽 550006 3 貴州省山地資源研究所, 貴陽 550006

針對(duì)傳統(tǒng)辣椒蚜蟲識(shí)別精度不高、研究較少等問題，本研究一種基于YOLO v2的辣椒蚜蟲圖像識(shí)別方法，準(zhǔn)確定位蚜蟲位置，識(shí)別兩種不同類型蚜蟲，并探究不同網(wǎng)絡(luò)深度對(duì)模型性能的影響。首先YOLO v2目標(biāo)檢測(cè)網(wǎng)絡(luò)與Resnet50網(wǎng)絡(luò)六種不同深度卷積結(jié)構(gòu)相融合，構(gòu)建辣椒蚜蟲識(shí)別模型，然后利用預(yù)測(cè)框生成算法設(shè)置候選框參數(shù)，對(duì)六種模型進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練結(jié)果設(shè)計(jì)辣椒蚜蟲識(shí)別系統(tǒng)。在驗(yàn)證集上進(jìn)行對(duì)比試驗(yàn)，結(jié)果表明Resnet-22模型對(duì)辣椒葉部蚜蟲識(shí)別精度最高，平均識(shí)別準(zhǔn)確率為96.49%，其中黃色蚜蟲識(shí)別準(zhǔn)確率為98.70%，綠色蚜蟲識(shí)別準(zhǔn)確率為94.27%，識(shí)別時(shí)間為0.129 s。Resnet-22模型具有較強(qiáng)的魯棒性，為實(shí)現(xiàn)田間復(fù)雜背景下辣椒蚜蟲識(shí)別奠定基礎(chǔ)。

辣椒; 蚜蟲; 圖像識(shí)別

目前我國(guó)辣椒常年種植面積約為214.4多萬hm2，是我國(guó)種植面積最大的蔬菜作物之一，栽培面積和總產(chǎn)量居世界首位[1]。由于受天氣、土壤和防治技術(shù)等因素的影響，蚜蟲危害日益加重，嚴(yán)重降低了辣椒品質(zhì)和產(chǎn)量。蚜蟲多以成蟲、若蟲群集于辣椒葉背和嫩尖上刺吸汁液，主要危害表現(xiàn)為：嫩葉卷曲皺縮、成齡葉上產(chǎn)生褪綠斑點(diǎn)，葉片發(fā)黃，老化，植株矮小、生長(zhǎng)緩慢，嚴(yán)重的甚至萎蔫枯死，此外，蚜蟲還是造成病毒病傳播的主要媒介，其吸食汁液后排泄的蜜露會(huì)誘發(fā)煤污病[2]。……