基于Faster-RCNN的花生害虫图像识别研究

为实现花生害虫图像的准确分类，共收集花生主要害虫图片2 038张，针对目前在基于Faster-RCNN的图像识别领域较为成熟的VGG-16和ResNet-50这2种网络模型进行对比研究，并针对ResNet-50模型参数进行调整，提出了基于学习率、训练集和测试集以及验证集的比例选择、迭代次数等参数改进的ResNet-50卷积神经网络的模型。结果表明：该模型可以准确高效地提取出花生主要害虫的多层特征图像，在平均识别率上，经过改进的 ResNet-50 网络模型在识别花生害虫图像上优于ResNet-50原始网络模型。该模型可以准确地分类花生主要害虫图像，可在常规情况下实现花生害虫的图像识别