基于深度学习的病虫害智能化识别系统

编号 zgly0001669289

文献类型 期刊论文

文献题名 基于深度学习的病虫害智能化识别系统

作者 陈天娇  曾娟  谢成军  王儒敬  刘万才  张洁  李瑞  陈红波  胡海瀛  董伟 

作者单位 中国科学院合肥物质科学研究院/合肥智能机械研究所  全国农业技术推广服务中心  安徽省农业科学院农业经济与信息研究所 

母体文献 中国植保导刊 

年卷期 2019年04期

年份 2019 

分类号 TP183  TP391.41  S431 

关键词 深度学习  病虫害  检测  识别 

文摘内容 我国农作物种植覆盖面广、分散度高,病虫害发生种类多、区域性发生规律复杂,传统的人工鉴定技术从效率、能力与精度方面均难以满足新形势下重大病虫测报要求。针对这一实践需求,以测报灯下害虫图像数据库(约18万张)、田间病虫害图像数据库(约32万张)为基础,构建了基于深度学习方法的病虫害种类特征自动学习、特征融合、识别和位置回归计算框架,并研发了移动式病虫害智能化感知设备和自动识别系统。通过近2年的精确度和实操运行效率检验,该系统在自然状态下对16种灯下常见害虫的识别率为66%～90%,对38种田间常见病虫害(症状)的识别率为50%～90%。随基础数据库的不断丰富、神经网络深层特征提取的不断完善,该系统有望进一步提高识别准确率,从而真正实现田间病虫害识别自动化、智能化和高效率。