所在单位: | 福建农林大学 | 项目类型: | 农、林、牧、渔业,信息传输、计算机服务和软件业 |
所属领域: | 现代农业 | 项目年份: | 2022 |
项目状态: | 实验室研究 | 技术成熟度: | 实验室研究 |
联系人: | 黄世国 | 联系人电话: | 获取号码 |
项目投资经费: | 10 | 合作方式: | 合作开发 |
虫害对农林业构成严重威胁,造成巨大经济和生态效益损失。及时发现害虫并防治是减少损失的关键。但传统的农林业有害生物调查方法耗时费力,同时,熟练掌握害虫分类知识的专家数量少,难以满足生产的实际需求。利用图像处理和模式识别技术实现害虫的自动识别是解决上述矛盾的关键。项目围绕这一技术开展研究,通过互联网和实地调查等收集了大量害虫图像,同时,关注到害虫具有伪装性,有时难以识别,构建了集显著和伪装害虫图像的大型数据集;提出了基于深度学习的伪装害虫图像分割算法,包括不对称感受野、自细化模块、基于反向引导的解码器等模块,对伪装害虫具有很好的分割效果。在此基础上,利用得到的害虫图像掩膜获取图像中的昆虫目标图像,将这些目标图像按其种类构建新数据集。对这一数据集使用不同的图像分类算法识别其种类。