典型文献
基于深度学习的实蝇图像智能识别方法的建立
文献摘要：
实蝇科昆虫很多种类是世界性的重要检疫性有害生物.实蝇的快速准确识别对于保护国门生物安全、促进我国农产品出口具有重要意义.本研究建立了一种基于深度学习的实蝇图像智能识别方法,针对实蝇科昆虫的翅图像特征,以桔小实蝇、南瓜实蝇、瓜实蝇、具条实蝇4种实蝇(每种250头共1000头)为例,通过标本制作与图像采集、图像预处理、创建数据集训练物体检测模型等模块不断调整优化实现对实蝇图像的自动识别.结果 表明在图像色阶参数90/1/220,通过百度Easy DL平台Paddle Paddle深度学习框架结合Auto Model Search训练图像分类模型,选择超高精度算法、高级训练配置epoch并使用数据增强策略进行模型训练时识别准确率达95％以上.本方法具有操作简单、准确率高、可扩展性强等特性,通过智能手机拍摄待测样本输入系统即可进行准确识别,可应用于果蔬园实蝇监测、出入境口岸实蝇检疫以及昆虫科普教育等场景,并可为其他昆虫自动识别研究提供有益借鉴.
文献关键词：
深度学习;实蝇;图像识别
中图分类号：
作者姓名：
朱朝伟;龚悦;李阳阳;王诗晨;董双雄;黄丽莉;倪妍
作者机构：
豫章师范学院 江西南昌330103
文献出处：
引用格式：
[1]朱朝伟;龚悦;李阳阳;王诗晨;董双雄;黄丽莉;倪妍-.基于深度学习的实蝇图像智能识别方法的建立)[J].植物检疫,2022(01):13-18
A类：
B类：
图像智能识别,智能识别方法,科昆虫,世界性,检疫性有害生物,快速准确,准确识别,保护国,国门生物安全,我国农产品,农产品出口,图像特征,桔小实蝇,南瓜,瓜实蝇,标本制作,图像采集,图像预处理,集训,物体检测,检测模型,调整优化,优化实现,自动识别,百度,Easy,DL,Paddle,深度学习框架,Auto,Model,Search,训练图像,图像分类,分类模型,超高精度,精度算法,epoch,使用数据,数据增强策略,模型训练,识别准确率,可扩展性,扩展性强,智能手机,于果,果蔬,出入境,口岸,科普教育,图像识别
AB值：
0.441465
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。
