论文部分内容阅读
本研究提出了一种基于深度学习的粘虫板储粮害虫图像检测算法,实现了放置在粮仓表面粘虫板诱捕的六大类害虫(米象/玉米象、谷蠹、扁谷盗、锯谷盗、拟谷盗、烟草甲)的定位和识别。考虑粘虫板图像的背景复杂、害虫体积较小、姿态多样的特点,改进了SSD的目标框回归策略、损失函数和特征提取网络结构,测试结果表明,该算法可有效检测粘虫板上的害虫,检测平均正确率(mAP)可以达到81.36%。改进的SSD算法部署在储粮害虫监测系统中,目前已在全国11个粮库进行实验测试。