基于RetinaNet模型的梨小食心虫智能识别计数方法

打开文本图片集

摘要：针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题，基于RetinaNet深度学习目标检测模型，构建了一种普适性更广的梨小食心虫智能识别计数方法。试验结果表明，RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93%，平均计数准确率达95.62%，且该方法对拍摄条件要求低，普适性广，优于Faster R-CNN目标检测模型，完全可以在梨小食心虫监测调查中替代人工进行分类计数。（剩余5216字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。