基于深度学习和稀疏表示的害虫识别算法 |
| |
引用本文: | 张苗辉,李俊辉,李佩琛.基于深度学习和稀疏表示的害虫识别算法[J].河南大学学报(自然科学版),2018(2). |
| |
作者姓名: | 张苗辉 李俊辉 李佩琛 |
| |
作者单位: | 河南大学计算机与信息工程学院;河南大学地理学博士后科研流动站 |
| |
摘 要: | 对农作物害虫种类和数量进行有效的预测是农作物病虫害防治的关键环节,因此基于捕获害虫的样本图片对农作物害虫进行准确的种类识别可以为病虫害的防治提供一定的先验知识.由于农作物害虫种类和形态的多样性及不同种类害虫颜色和纹理的相似性,增加了害虫分类识别的难度.为提高害虫图像识别的准确率,提出了一种基于深度学习和稀疏表示相融合的方法来进行害虫的检测分类识别,进而实现对农作物病虫害的有效防治.该算法首先利用高效的深度学习caffe框架来构建提取害虫特征的网络模型,然后利用该网络模型来提取训练害虫样本的特征向量,从而建立不同种类害虫的超完备字典,最后采用稀疏表示算法来对测试样本进行分类识别.实验部分对10种常见害虫进行了检测识别,实验结果表明新提出的算法有很好的检测分类效果.
|
关 键 词: | 深度学习 特征提取 图像识别 稀疏表示 害虫识别 |
Algorithm on Pest Identification Based on Depth Learning and Sparse Representation |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|