文献类型： 中文期刊

作者： 陈天娇 ¹ ; 曾娟 ¹ ; 谢成军 ¹ ; 王儒敬 ¹ ; 刘万才 ¹ ; 张洁 ¹ ; 李瑞 ¹ ; 陈红波 ¹ ; 胡海瀛 ¹ ; 董伟 ¹ ;

作者机构： 1.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

关键词： 深度学习;病虫害;检测;识别

期刊名称： 中国植保导刊

ISSN： 1672-6820

年卷期： 2019 年 04 期

页码： 26-34

收录情况： 北大核心

摘要： 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。