湖北农业科学 ›› 2022, Vol. 61 ›› Issue (7): 135-139.doi: 10.14088/j.cnki.issn0439-8114.2022.07.025
刘震1, 纪明妹1, 郭志顶1, 黄素芳1, 赵忠祥1, 闫旭东1, 滕霄1, 石秘2, 岳明强1, 刘青松1, 徐玉鹏1
LIU Zhen1, JI Ming-mei1, GUO Zhi-ding1, HUANG Su-fang1, ZHAO Zhong-xiang1, YAN Xu-dong1, TENG Xiao1, SHI Mi2, YUE Ming-qiang1, LIU Qing-song1, XU Yu-peng1
摘要: 基于农业技术与信息化技术的不断发展与融合,针对当前河北省农作物害虫识别准确率和效率低等问题,提出了一种基于Asp.NET Core MVC架构的残差神经网络害虫图像识别系统。该系统首先通过移动采集终端和网络图片爬虫收集目标分类图片信息,再使用数据增强技术扩充样本库,得到神经网络训练模型的数据集;然后通过搭建机器学习框架,分别引入ResNet-50、ResNet-101、ResNet-152残差网络模型,对数据集执行训练并验证其准确度;最后将准确度最高的训练结果模型运用至农作物害虫分类服务系统。经验证,该识别模型具有良好的适用性和鲁棒性,可为河北省主要农作物虫害提供识别及诊断功能。
中图分类号: