發(fā)布時(shí)間：2020-11-13 08:50

　　 糧食作為人類社會(huì)發(fā)展的重要物資,對(duì)國(guó)家穩(wěn)定乃至世界和平起著重要的作用。然而在糧食倉(cāng)儲(chǔ)過(guò)程中,儲(chǔ)糧害蟲(chóng)對(duì)糧食的損壞是很嚴(yán)重的。儲(chǔ)糧害蟲(chóng)檢測(cè)方法有很多種,本文使用基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)對(duì)儲(chǔ)糧害蟲(chóng)進(jìn)行檢測(cè)識(shí)別,分別研究了白板背景下和實(shí)際背景下的儲(chǔ)糧害蟲(chóng)檢測(cè),使用不同的算法進(jìn)行大量的實(shí)驗(yàn),通過(guò)改進(jìn)模型不斷提升儲(chǔ)糧害蟲(chóng)檢測(cè)識(shí)別效果。本文的主要研究工作如下:1、對(duì)比傳統(tǒng)圖像識(shí)別方法和基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法,深入地研究了深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、網(wǎng)絡(luò)設(shè)計(jì)以及基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法框架、原理和不同架構(gòu)的優(yōu)劣,為基于深度學(xué)習(xí)的儲(chǔ)糧害蟲(chóng)檢測(cè)識(shí)別奠定了研究基礎(chǔ)。2、在白板背景下的八類儲(chǔ)糧害蟲(chóng)目標(biāo)檢測(cè)數(shù)據(jù)集上進(jìn)行了大量的開(kāi)源模型實(shí)驗(yàn),分析了以Faster R-CNN和R-FCN為代表的兩階段檢測(cè)模型和以YOLO為代表的單階段檢測(cè)模型的優(yōu)劣,并探索了提升儲(chǔ)糧害蟲(chóng)檢測(cè)效果的方法,在此基礎(chǔ)上對(duì)兩階段檢測(cè)模型R-FCN進(jìn)行改進(jìn),并通過(guò)數(shù)據(jù)增強(qiáng)、多尺度訓(xùn)練和Soft-NMS等方法提升了儲(chǔ)糧害蟲(chóng)目標(biāo)檢測(cè)效果。3、將VGG-16不同網(wǎng)絡(luò)深度的卷積特征進(jìn)行可視化,探究了深度卷積神經(jīng)網(wǎng)絡(luò)不同深度的卷積層特征提取的特點(diǎn),研究了幾種不同的卷積特征利用方式,以及針對(duì)目標(biāo)檢測(cè)任務(wù)更高效的特征利用方式。4、在實(shí)際背景下的儲(chǔ)糧害蟲(chóng)目標(biāo)檢測(cè)數(shù)據(jù)集圖片背景復(fù)雜、遮擋問(wèn)題嚴(yán)重,通過(guò)對(duì)卷積特征利用方式的分析,引入了基于TOP-DOWN結(jié)構(gòu)的特征融合模型,應(yīng)用FPN算法進(jìn)行實(shí)際背景下的糧蟲(chóng)檢測(cè),并通過(guò)數(shù)據(jù)增強(qiáng)、多尺度訓(xùn)練和Soft-NMS等方法提升了實(shí)際背景下的儲(chǔ)糧害蟲(chóng)檢測(cè)效果。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP183;S379.5
【部分圖文】：

并激活該神經(jīng)元的特定區(qū)域。局部連接、權(quán)值共享以及空間或時(shí)間上的下釆樣是??卷積神經(jīng)網(wǎng)絡(luò)的３個(gè)主要特性，這些特性使其具有一定程度上的平移、縮放和扭??曲不變性。如圖２－１所示，卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)層次模型，主要包括輸入層、卷??積層、池化層、全連接層以及輸出層。根據(jù)每層的功能，卷積神經(jīng)網(wǎng)絡(luò)可以劃分??為２個(gè)部分：由輸入層、卷積層和池化層構(gòu)成的特征提取器，以及由全連接層和??輸出層構(gòu)成的分類器。總的來(lái)說(shuō)，卷積神經(jīng)網(wǎng)絡(luò)通過(guò)卷積操作對(duì)輸入圖像進(jìn)行局??部特征的提取，經(jīng)過(guò)池化操作進(jìn)行特征選擇并使其具有空間不變性，然后全連接??操作對(duì)特征進(jìn)行高度整合使其具有強(qiáng)大的表征能力，生成面向輸出層特定任務(wù)的??高維抽象特征。??ｈ？?特征提取器——?Ｈ?分類器－＞１??輸入層卷積層池化層卷積層池化層?全連接層輸出層??圖２－１卷枳神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)??２．１．１卷積層??１０??

Ｂｅｔｔｅｒ?ｔｏ?ｐｕｔ?ｒｅｓｏｕｒｃｅｓ?ｅｌｓｅｗｈｅｒｅ１?ｗ?ｆ??圖２－２局部連接與全連接的區(qū)別??如圖２－２所示，假設(shè)輸入圖像的分辨率為１０００ｘ１０００，隱藏層有１０６個(gè)神經(jīng)??元節(jié)點(diǎn)，對(duì)于全連接操作來(lái)說(shuō)，隱藏層每個(gè)神經(jīng)元節(jié)點(diǎn)與輸入圖像的每一個(gè)像素??連接，則有１０００ｘｌ０００ｘｌ０６＝１０１２個(gè)權(quán)值參數(shù)。如果使用局部連接的方式，假設(shè)局??部感受野區(qū)域是１０ｘ１０大小的空間分辨率，則隱藏層的每個(gè)神經(jīng)元只需要和??１０ｘ１０像素大小的感受野區(qū)域相連，那么１０６個(gè)隱藏層神經(jīng)元只有ｌ〇ｘｌ〇ｘｌ〇６＝ｌ〇８??個(gè)參數(shù)，比原來(lái)減少４個(gè)數(shù)量級(jí)的參數(shù)量，這樣會(huì)使神經(jīng)網(wǎng)絡(luò)的計(jì)算負(fù)荷大大減??小。??ＬＯＣＡＬＬＹ?ＣＯＮＮＥＣＴＥＤ?ＮＥＵＲＡＬ?ＮＥＴ?ＣＯＮＶＯＬＵＴＩＯＮＡＬ?ＮＥＴ??ＳＴＡｎＯＮＡＭＴＹ？?Ｓｔｏｔｉｓｔ．ｅｓ?ｉｓ??Ａｊ４?ｓｉｍｉｌａｒ?ｏｔ?ｄｉｆｆｅｒｅｎｔ?ｌｏｃｏｔｉｏｎｓ?Ｌｅａｒｎ?ｍｕｌｔｉｐｌｅ?ｆｉｌｔｅｒｓ??：ｉ．?ｆｍ?－■－〇?ｉＭｈｄｄ＿ｔＳ?；??Ｗ?Ｆｉｌｔｅｒ?ａｉｔ?１０ｘ１０?Ｅ?ｇ?１０００ｘ１０００?．ｍｏｇｔ??＇ＷＬｒｊＬ＾Ｗ＾＾?１００Ｍ?ｐｏｒｏｍｅｔｅｒｓ?；?１００?Ｆｉｌｔｅｒｓ??Ｆｉｌｔｅｒ?ｓ

ＦＵＬＬＹ?ＣＯＮＮＥＣＴＥＤ?ＮＥＵＲＡＬ?ＮＥＴ?ＬＯＣＡＬｉＹ?ＣＯＮＮＥＣＴＥＤ?ＮＥＵＲＡＬ?ＮＥＴ??Ｅｘｏｍｐｌｅ－?１０００ｘ１０００?ｉｍ〇９？?ｉｓＪｘＮ．??１Ｍ?ｈｉｄｄｅｎ?ｕｎｉｔｓ??—＾?Ｅｘａｍｐｌｅ?１０００ｘ１０００?ｉｍｏｇｅ??Ｓｐｏｔｉｏｌ?ｃｏｒｒｅｌａｔｉｏｎ?ｔｓ?ｌｏｃａｌ??Ｂｅｔｔｅｒ?ｔｏ?ｐｕｔ?ｒｅｓｏｕｒｃｅｓ?ｅｌｓｅｗｈｅｒｅ１?ｗ?ｆ??圖２－２局部連接與全連接的區(qū)別??如圖２－２所示，假設(shè)輸入圖像的分辨率為１０００ｘ１０００，隱藏層有１０６個(gè)神點(diǎn)，對(duì)于全連接操作來(lái)說(shuō)，隱藏層每個(gè)神經(jīng)元節(jié)點(diǎn)與輸入圖像的每一個(gè)像，則有１０００ｘｌ０００ｘｌ０６＝１０１２個(gè)權(quán)值參數(shù)。如果使用局部連接的方式，假設(shè)受野區(qū)域是１０ｘ１０大小的空間分辨率，則隱藏層的每個(gè)神經(jīng)元只需要１０像素大小的感受野區(qū)域相連，那么１０６個(gè)隱藏層神經(jīng)元只有ｌ〇ｘｌ〇ｘｌ〇６＝ｌ數(shù)，比原來(lái)減少４個(gè)數(shù)量級(jí)的參數(shù)量，這樣會(huì)使神經(jīng)網(wǎng)絡(luò)的計(jì)算負(fù)荷大大ＬＯＣＡＬＬＹ?ＣＯＮＮＥＣＴＥＤ?ＮＥＵＲＡＬ?ＮＥＴ?ＣＯＮＶＯＬＵＴＩＯＮＡＬ?ＮＥＴ??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王欠欠;邵小龍;周國(guó)磊;曹陽(yáng);張濤;;儲(chǔ)糧害蟲(chóng)飛行行為研究方法及進(jìn)展[J];糧食科技與經(jīng)濟(jì);2018年03期

2 韋文生;;習(xí)性防治儲(chǔ)糧害蟲(chóng)試驗(yàn)[J];糧油倉(cāng)儲(chǔ)科技通訊;2014年04期

3 王潔靜;呂建華;;多殺菌素在儲(chǔ)糧害蟲(chóng)防治中的研究及應(yīng)用進(jìn)展[J];糧食與飼料工業(yè);2012年04期

4 程小麗;武傳欣;劉俊明;遲瑩;魏慶偉;;儲(chǔ)糧害蟲(chóng)防治的研究進(jìn)展[J];糧食加工;2011年05期

5 程小麗;武傳欣;劉俊明;遲瑩;魏慶偉;;儲(chǔ)糧害蟲(chóng)防治研究進(jìn)展[J];糧油倉(cāng)儲(chǔ)科技通訊;2010年06期

6 劉曉宇;;淺談儲(chǔ)糧害蟲(chóng)防治工作存在的問(wèn)題及對(duì)策[J];現(xiàn)代農(nóng)村科技;2009年09期

7 袁良月;呂建華;吳樹(shù)會(huì);;農(nóng)村常見(jiàn)儲(chǔ)糧害蟲(chóng)的防治[J];農(nóng)村實(shí)用科技信息;2008年01期

8 鄧樹(shù)華;王平;朱邦雄;陳祖華;陳渠玲;徐明亮;周劍宇;蘇金平;黃智;;紫外高壓誘殺燈防治倉(cāng)外儲(chǔ)糧害蟲(chóng)研究[J];糧食儲(chǔ)藏;2006年03期

9 鄧樹(shù)華;王平;朱邦雄;陳祖華;陳渠玲;徐明亮;周劍宇;蘇金平;黃智;;紫外高壓誘殺燈防治倉(cāng)外儲(chǔ)糧害蟲(chóng)研究[J];糧食儲(chǔ)藏;2006年03期

10 楊長(zhǎng)舉,唐國(guó)文,薜東;21世紀(jì)的儲(chǔ)糧害蟲(chóng)防治[J];湖北植保;2004年05期

相關(guān)博士學(xué)位論文 前8條

1 耿森林;儲(chǔ)糧害蟲(chóng)活動(dòng)聲特征檢測(cè)、分析及其數(shù)據(jù)庫(kù)建立[D];陜西師范大學(xué);2005年

2 鄧永學(xué);環(huán)境因子對(duì)四種儲(chǔ)糧害蟲(chóng)影響的研究[D];西南農(nóng)業(yè)大學(xué);2001年

3 廖敏;互葉白千層精油對(duì)儲(chǔ)糧害蟲(chóng)的殺蟲(chóng)活性及作用機(jī)制[D];安徽農(nóng)業(yè)大學(xué);2016年

4 牛永浩;固相微萃取與氣質(zhì)聯(lián)用檢測(cè)儲(chǔ)糧及儲(chǔ)糧害蟲(chóng)揮發(fā)性化合物的研究[D];西北農(nóng)林科技大學(xué);2015年

5 張超;辣根素熏蒸對(duì)玉米象線粒體作用機(jī)理研究[D];西北農(nóng)林科技大學(xué);2016年

6 張濤;我國(guó)赤擬谷盜地理分布、擴(kuò)散路徑與捕食螨生物防治技術(shù)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2017年

7 黃衍章;石菖蒲根莖提取物有效殺蟲(chóng)成分分析[D];華中農(nóng)業(yè)大學(xué);2007年

8 姚英娟;水菖蒲提取物殺蟲(chóng)活性及活性成分分析[D];華中農(nóng)業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 趙彬宇;儲(chǔ)糧害蟲(chóng)圖像識(shí)別研究平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

2 苗海委;儲(chǔ)糧害蟲(chóng)圖像定位識(shí)別算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

3 周亦哲;基于視頻檢測(cè)的儲(chǔ)糧害蟲(chóng)死活評(píng)估算法研究[D];北京郵電大學(xué);2019年

4 劉治財(cái);基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在儲(chǔ)糧害蟲(chóng)檢測(cè)識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2019年

5 王森;基于虛擬現(xiàn)實(shí)技術(shù)的三維可重構(gòu)儲(chǔ)糧害蟲(chóng)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

6 王利利;3種防護(hù)劑和磷化氫聯(lián)用對(duì)6種儲(chǔ)糧害蟲(chóng)的防治[D];河南工業(yè)大學(xué);2018年

7 劉漢生;陷阱式儲(chǔ)糧害蟲(chóng)信息采集終端及其系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

8 沈馭風(fēng);基于深度學(xué)習(xí)的儲(chǔ)糧害蟲(chóng)檢測(cè)算法的研究[D];北京郵電大學(xué);2018年

9 王德發(fā);基于圖像識(shí)別的儲(chǔ)糧害蟲(chóng)檢測(cè)[D];北京郵電大學(xué);2017年

10 馬六十;華南地區(qū)儲(chǔ)糧害蟲(chóng)防治科學(xué)用藥探討[D];河南工業(yè)大學(xué);2014年

本文編號(hào)：2882005