典型文献
基于机器视觉的小贯小绿叶蝉智能识别的研究与应用
文献摘要：
深度学习已经在农作物害虫实时监测的智能识别过程中广泛应用.以小贯小绿叶蝉(Empoasca onukii)识别模型为基础,研究深度学习在诱虫板上叶蝉识别中的应用,旨在提高小贯小绿叶蝉田间种群调查的准确性.本研究设计了一种茶园小贯小绿叶蝉的识别、计数方法,首先采用黄色诱虫板诱集小贯小绿叶蝉,利用相机对诱虫板进行图像采集并上传至服务器,然后通过服务器部署的目标检测算法,对图像中叶蝉进行识别与计数.通过算法筛选,确定YOLOv3作为识别算法,用改进后的Soft-NMS代替原来的NMS,用K-means聚类方法计算新的先验框的尺寸,提升YOLOv3对目标识别的速度和准确率.通过田间试验对比诱虫板上叶蝉的真实数量,结果显示优化后识别算法的准确率可达到95.35％以上.本研究验证了诱虫板诱集、目标识别算法和物联网技术相结合,能够为小贯小绿叶蝉田间种群的实时监测提供技术支持,可为其他具有颜色偏爱性昆虫的实时监测和茶园害虫综合治理提供参考.
文献关键词：
深度学习;目标检测;小贯小绿叶蝉;种群监测;YOLOv3
中图分类号：
作者姓名：
边磊;何旭栋;季慧华;蔡晓明;罗宗秀;陈华才;陈宗懋
作者机构：
中国农业科学院茶叶研究所,浙江 杭州 310008;杭州益昊农业科技有限公司,浙江 杭州 310018;中国计量大学,浙江 杭州 310018
文献出处：
引用格式：
[1]边磊;何旭栋;季慧华;蔡晓明;罗宗秀;陈华才;陈宗懋-.基于机器视觉的小贯小绿叶蝉智能识别的研究与应用)[J].茶叶科学,2022(03):376-386
A类：
B类：
机器视觉,小贯小绿叶蝉,智能识别,识别过程,Empoasca,onukii,识别模型,研究深度,诱虫板,上叶,高小,田间种群,色诱,诱集,图像采集,服务器部署,目标检测算法,中叶,YOLOv3,Soft,NMS,means,聚类方法,先验框,田间试验,试验对比,实数,显示优化,目标识别算法,物联网技术,技术相结合,色偏,偏爱,昆虫,茶园害虫,害虫综合治理,种群监测
AB值：
0.280098
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。
