基于人工智能的竹类主要害虫识别系统开发与应用

编号 lyqk008788

中文标题 基于人工智能的竹类主要害虫识别系统开发与应用

作者 李非非  杨帆  余飞  季猛  舒智慧  徐杰 

作者单位 1. 成都星亿年智慧科技有限公司 成都 610095;
2. 电子科技大学 成都 611731;
3. 邛崃市规划和自然资源局 成都 611500

期刊名称 世界竹藤通讯 

年份 2021 

卷号 19

期号 2

栏目名称 学术园地 

中文摘要 在当前四川省竹产业大发展背景下，将以人工智能为代表的计算机高新技术引入竹子的生产经营环节，对竹产业基地实行精细化管理和提高竹产业绩效具有重要的现实意义。文章介绍了基于深度神经网络搭建的人工智能识别模型，并在此基础上设计并开发了针对竹类主要害虫的识别系统，实现了通过APP软件对竹类主要害虫进行便捷、准确识别，极大地提升了森防工作效率，为竹产业基地的健康发展提供了有效科技支撑，同时也为林业生产经营由传统模式转向智慧化进行了技术储备。

关键词 竹类害虫  森林病虫害防治  人工智能  深度神经网络  识别系统 

基金项目 成都市科技项目重点研发支撑计划技术创新研发项目“基于人工智能的竹类害虫细粒度识别技术研究”（2019-YF05-01830-SN）；成都市财政局“2020年林业产业发展专项资金”（成财建发〔2020〕97号）。

英文标题 Development and Application of Main Bamboo Pests Recognition System Based on Artificial Intelligence

作者英文名 Li Feifei, Yang Fan, Yu Fei, Ji Meng, Shu Zhihui, Xu Jie

单位英文名 1. Chengdu XingYiNian Intelligent Technology Co., Ltd, Chengdu 610095, China;
2. University of Electronic Science and Technology of China, Chengdu 611731, China;
3. Qionglai Municipal Bureau of Planning and Natural Resources, Chengdu 611500, China

英文摘要 Under the context of the bamboo industry development in Sichuan province, introducing the artificial intelligence represented computer technologies in the bamboo production and operation is of realistic significance for the fine management of the bamboo industry base and the improvement of the bamboo industry performance. This paper introduces an artificial intelligence recognition model based on a deep neural network, and designs and develops a Main Bamboo Pests Recognition System on the model base. This system realizes the convenient and accurate recognition of main bamboo pests using an APP software, and greatly improves the efficiency of forest protection. Moreover, this recognition system not only provides scientific and technological support for the healthy development of the bamboo industry base, but also provides the technical reserves for the transformation of forestry production and management from traditional model to smart model.

英文关键词 bamboo pest;forest disease and pest control;artificial intelligence;deep neural network;recognition system

起始页码 27

截止页码 33

作者简介 李非非(1981-),男,高级工程师,硕士,研究方向为林业调查规划设计、林业智能化和现代林业产业发展。E-mail:418223864@qq.com。

通讯作者介绍 徐杰(1981-),男,副教授,研究方向为人工智能与图像识别。E-mail:xuj@uestc.edu.cn。

E-mail xuj@uestc.edu.cn

DOI 10.12168/sjzttx.2021.02.006

参考文献 [1] 李禹辰, 李非非, 李见辉, 等. 生态背景下基于人工智能深度学习的竹类害虫识别方法研究[J]. 世界竹藤通讯, 2019, 17(3):16-21.
[2] 杨红珍, 张建伟, 李湘涛, 等. 基于图像的昆虫远程自动识别系统的研究[J]. 农业工程学报, 2008(1):188-192.
[3] 姚侃, 徐鹏, 张广群, 等. 基于图像的昆虫分类识别研究综述[J]. 智能计算机与应用, 2019, 9(3):29-35.
[4] 郑远攀, 李广阳, 李晔. 深度学习在图像识别中的应用研究综述[J]. 计算机工程与应用, 2019, 55(12):20-36.
[5] 贾少鹏, 高红菊, 杭潇. 基于深度学习的农作物病虫害图像识别技术研究进展[J]. 农业机械学报, 2019, 50(增刊1):313-317.
[6] 王彦翔, 张艳, 杨成娅, 等. 基于深度学习的农作物病害图像识别技术进展[J]. 浙江农业学报, 2019, 31(4):669-676.
[7] 陈娟, 陈良勇, 王生生, 等. 基于改进残差网络的园林害虫图像识别[J]. 农业机械学报, 2019, 50(5):187-195.
[8] 钱蓉, 孔娟娟, 朱静波, 等. 基于VGG-16卷积神经网络的水稻害虫智能识别研究[J]. 安徽农业科学, 2020, 48(5):235-238.
[9] 罗建豪, 吴建鑫. 基于深度卷积特征的细粒度图像分类研究综述[J]. 自动化学报, 2017, 43(8):1306-1318.
[10] 邓旭冉, 闵少波, 徐静远, 等. 深度细粒度图像识别研究综述[J]. 南京信息工程大学学报(自然科学版), 2019, 11(6):625-637.
[11] 吴睿曦, 肖秦琨. 基于深度网络和数据增强的多物体图像识别[J]. 国外电子测量技术, 2019, 38(5):86-90.
[12] 高友文, 周本君, 胡晓飞. 基于数据增强的卷积神经网络图像识别研究[J]. 计算机技术与发展, 2018, 28(8):62-65.
[13] 薛勇, 王立扬, 张瑜, 等. 基于GoogLeNet深度迁移学习的苹果缺陷检测方法[J]. 农业机械学报, 2020, 51(7):30-35.
[14] 薛晨兴, 张军, 邢家源. 基于GoogLeNet Inception V3的迁移学习研究[J]. 无线电工程, 2020, 50(2):118-122.
[15] 徐凯, 梁志坚, 张镱议, 等. 基于GoogLeNet Inception-V3模型的电力设备图像识别[J]. 高压电器, 2020, 56(9):129-135, 143.
[16] 广西南宁天鹰有害生物防治有限公司, 广西壮族自治区林业科学研究院, 桂林市森林病虫防害防治检疫站. 竹子有害生物及害虫天敌[M]. 北京:中国林业出版社, 2018.

PDF全文 浏览全文