典型文献
基于卷积神经网络下昆虫种类图像识别应用研究
文献摘要：
昆虫种类图像识别是农业智能化识别虫害的重要方式,精准高效识别昆虫种类是进行针对性防治虫害的前提.利用昆虫数据集ArTaxOr及Insect_det,基于卷积神经网络下图像分类如MobileNet,ResNet及目标检测(FasterRCNN)、Yolo技术,运用迁移学习进行模型训练,并对比分析训练结果,获取最优昆虫种类图像识别模型.将构建的最优模型采用EasyEdge平台进行部署,从而实现了模型到端的全流程开发模式,为后续昆虫种类图像识别场景化应用研究提供依据参考.
文献关键词：
昆虫种类图像识别;卷积神经网络;图像分类;目标检测;模型场景应用
中图分类号：
作者姓名：
魏甫豫;张振宇;梁桂珍
作者机构：
河北工程大学 园林与生态工程学院,河北 邯郸 056000;新乡学院 美术学院,河南 新乡 453000;新乡学院 数学与统计学院,河南 新乡 453000
文献出处：
引用格式：
[1]魏甫豫;张振宇;梁桂珍-.基于卷积神经网络下昆虫种类图像识别应用研究)[J].河南师范大学学报（自然科学版）,2022(06):96-105
A类：
昆虫种类图像识别,ArTaxOr,EasyEdge,模型场景应用
B类：
农业智能化,智能化识别,精准高效,行针,防治虫害,Insect,det,下图,图像分类,MobileNet,ResNet,目标检测,FasterRCNN,Yolo,迁移学习,模型训练,识别模型,最优模型,行部,流程开发,开发模式,场景化应用
AB值：
0.346361
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
