基于Faster-RCNN算法实现农田害虫图像检测及定位  

作　　者：黄玲玲[1] 

机构地区：[1]揭阳职业技术学院

出　　处：《数字技术与应用》2023年第2期49-52,共4页Digital Technology & Application

摘　　要：本文利用Faster-RCNN进行目标检测,对收集到的3000多张害虫图片进行28个类别的训练,达到自动识别害虫类别的目的。首先对于所给数据进行数据预处理,对输入的有效图片进行原图同比缩放bbox、垂直翻转等方式进行数据增强,训练过程中把图片按90%:10%随机分配到训练集和验证集中,最后利用已经训练好的Faster-RCNN网络模型进行目标检测。模型训练集上的损失值在经历200个Epoch的训练后逐渐收敛于横轴,意味着模型在训练集上的预测结果逐渐正确,Loss曲线在训练到第200个Epoch时损失值就达到了0.11157,基本没有出现大幅度震荡的现象,表明模型的训练是有效的。test_map曲线是表示模型在测试集上的mAP@0.5值,该值是用来表示检测的精度值,该值越接近于1表明实验结果精度越高。实验结果表明,mAP@0.5值达到了24.696%。

关 键 词：图像检测 数据预处理 自动识别 模型训练 目标检测 网络模型 损失值 随机分配 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]