基于Faster R-CNN的美国白蛾图像识别模型研究
【摘要】 昆虫监测中美国白蛾HuhantriaCuxex的人工辨识、分类费时费力，且主观性强。本文利用RPN人工神经网络模型对美国白蛾图像数据进行特征提取，并对比分析Inceptwn_v2'RoNeUO、RoNetlOl模型，设计了-种改进的美国白蛾人工神经网络识别模型IHCDM(ImprovedHohantgacoxeaArtifiWONeuralNetworkRecognitionModel,IHCDM),在GPU处理器上对该模型进行了训练,并对其进行了实验验证。结果表:该模型对美国白蛾的识别准确率可达99.5%,相比于ResNeWO与ResNetlO1网络模型，识别准确率提高了0.5%与0.4%o超参数微调后，在置信度阈值为0.85时，识别准确率99.7%,识别速度0.09ms/张+IHCDM模型为美国白蛾的识、分提供了新+
