基于深度学习的储粮害虫检测研究进展

储粮害虫检测与预警对保障粮食储存安全具有重要意义。目标检测是计算机视觉研究领域的核心问题之一,近年来深度学习在目标检测领域的应用研究取得了重大突破,储粮害虫目标检测也取得了较大进展,并逐步在粮库智能化建设中推广与应用。本文从储粮害虫数据集的获取与预处理、储粮害虫目标检测算法研究、储粮害虫检测结果应用等三个方面,总结了近年来基于深度学习的储粮害虫检测研究进展,通过对比研究,提出了该研究领域存在的问题及未来研究方向。     

基于视频检测的储粮害虫死亡评估算法的研究

在我国,如何对杀虫效果进行评估,以提高防治措施的有效性和经济性,是粮库在害虫防治方面亟待解决的一个问题。目前,我国一些粮库已经安装了储粮害虫图像采集装置,因此本研究提出一种基于视频检测的储粮害虫死亡评估算法,用来检测杀虫过程中害虫死亡的具体数量变化情况。算法的核心是基于深度卷积神经网络的双流法网络,综合图像目标检测算法和两帧差分法进行识别,实现视频数据中害虫的定位与识别。测试结果表明本算法可有效检测储粮害虫的死亡情况,检测平均正确率可以达到89.3%。     

一种基于聚类特征的Faster R-CNN粮仓害虫检测方法

本文基于Faster R-CNN模型提出复杂背景下粮仓害虫的检测识别方法。将六种常见的储粮害虫(豆象、谷蠹、米象、锯谷盗、赤拟谷盗、锈赤扁谷盗)分别以大米、小米为背景,建立了真实背景下粮仓害虫图像数据集SGI-6。SGI-6中包括网络获取图像、显微镜采集图像和单反拍摄图像三种多目标尺度的数据集。根据粮仓害虫的小目标特性,使用聚类算法改进Faster R-CNN模型的区域提案网络,来提取这些图像中含有害虫的区域,并对这些区域中的害虫进行分类。实验结果表明,该方法能够在储粮条件下检测和识别粮仓害虫,且其平均准确率(mAP)达到96.63%。     

改进Faster RCNN在粮虫目标检测中的应用研究

针对储粮害虫体积小、姿态多变、背景复杂、存在粘连遮挡且容易混淆、检测精度低等问题,提出了一种基于深度学习的改进Faster RCNN粮虫目标检测方法。通过在特征图后引入金字塔池化模块,优化损失函数,提升粮虫检测性能。实验结果表明,该方法在本文自制的白板背景和储粮背景两个粮虫数据集的mAP分别达到89.42%和90.12%,相比较改进前的算法分别提升了0.9%和2.46%。     

基于改进Faster R-CNN的食品包装缺陷检测

目的：对纸质包装盒缺陷进行准确的识别与定位。方法：应用改进Faster R-CNN的网络模型自动对包装盒缺陷进行检测。对训练集图片进行数据增强并添加噪声,提升模型的训练精度和鲁棒性;将特征提取网络替换为ResNet50,并融合特征金字塔网络（FPN）,提高模型多尺度检测的能力;使用K-means++对数据集中缺陷尺度进行聚类,优化锚框方案。结果：改进后的Faster R-CNN模型在测试集上的平均准确率（AP）达到93.9%,检测速度达到8.65帧/s。结论：应用改进的Faster R-CNN模型能够有效检测出包装盒缺陷并定位,可应用于包装盒缺陷的自动检测与分拣。     

储粮害虫检测方法研究进展

科学、快速、准确进行储粮害虫检测是高效开展害虫综合防治的前提,也是保障粮食安全储藏的重要措施。本文根据国内外储粮害虫检测方法研究与应用进展情况,介绍了直观检查法、取样检查法、诱集检查法、电子检查法等储粮害虫检测方法及其优缺点,展望了储粮害虫检测技术发展方向,以期对我国储粮害虫发生的预测预报研究与应用有所裨益。     

卷积神经网络在储粮害虫图像识别中的应用研究

立足于当今储粮害虫图像识别领域面临的技术需求,针对现有的储粮害虫图像识别算法网络结构相对复杂,辨认率低,为此,引入卷积神经网络实现储粮害虫图像的识别。简要阐述了卷积神经网络发展过程,分析其网络结构,选用5种储粮害虫作为训练样本,分析了储粮害虫图像识别过程,最后通过实验得出了基于卷积神经网络的Alexnet模型对储粮害虫图像识别的精确度达97.62%,说明基于CNN对储粮害虫图像识别具有较高的准确率。     

基于改进faster R-CNN算法的小目标车辆检测

针对faster R-CNN对远距离小目标车辆的检测效果较差的问题,文章融合特征金子塔网络(FPN)和faster RCNN,提出了反卷积反向特征融合faster R-CNN算法。首先,对faster R-CNN算法的特征提取网络进行改进,选用ResNet-101网络替换VGG网络,不仅降低了训练难度,而且有效改善梯度消失问题,将其与提出的反卷积反向特征融合结构相结合,提高对远距离小目标车辆信息的多尺度特征的提取和表达能力;然后,将网络中的ReLU激活函数改进为Mish激活函数,用整个区域的光滑曲线解决ReLU函数会丢失一部分信息的问题,以整体提高网络对车辆目标的精确度、稳定性和鲁棒性;最后,在自建的小目标车辆图像库中与faster R-CNN、YOLOv3等算法进行对比实验,综合场景下平均精度分别提高2.18%、2.98%,对于小目标车辆,平均精度分别提高5.72%、2.10%。     

基于视频目标跟踪算法的储粮害虫活跃程度判别研究

针对储粮害虫杀虫效果评估实验,本文提出了一种多目标跟踪算法,通过跟踪评估区域内多头储粮害虫的运动给出每头害虫的活跃程度,对害虫存活状态进行自动评估。算法基于 Faster R-CNN框架的目标检测技术,融合Mean Shift和Deep SORT目标跟踪算法,实现了对储粮害虫运动位置的连续跟踪,且减少了两头害虫相遇再分离后身份错位问题发生的情况。对于20头以内的同种害虫,平均多目标跟踪准确率为95.89%,多目标跟踪精度为83.18%。而且在目标跟踪算法中记录了每头储粮害虫的速度变化,通过分析一定时长的害虫移动速度,提出了一种评估储粮害虫活跃程度为低、中或高的分级方法,可以辅助实验人员对实验效果的分析。     

储粮害虫检测技术研究进展

储粮害虫是危害粮食安全的主要因素之一,害虫检测技术对于粮食综合管理有非常重要的意义。根据国内外学者对储粮害虫检测技术的研究报道,本文归纳和总结了各种检测技术,分别介绍传统类、新型物理及生物类检测法。传统检测方法较为成熟并已被标准化,常用方法有直观检查法、取样筛检法、探管诱捕法;物理检测法较为新颖,以快速无损型检测方法为主,包括近红外及高光谱法、软X射线、电导率法、声测法、微波法、图像识别法、电子鼻等七种;生物检测法多为辅助性方法,常与其他方法联用以达到较优检测效果。本文对各种方法进行深入比较,并探讨国内外最新害虫检测技术,以期为将来研发合适的检测方法和仪器提供参考。     

基于改进Faster R-CNN模型的樱桃缺陷检测

目的：提高工业环境下樱桃分级分拣工作的效率。方法：提出了基于Faster R-CNN框架改进的樱桃缺陷识别分拣模型。结果：通过对比VGG16、MobileNet-V2和ResNet50网络,主干网络为ResNet50的效果最优,改进后的Faster R-CNN模型对樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的检测精度分别为97.75%,99.77%,98.90%,97.56%,96.67%,98.80%,平均检测精度达98.24%,高于其他模型,检测速度为31.16帧/s。结论：试验方法对樱桃缺陷类别的检测具有较高的识别精度。     

6种储粮害虫对不同颜色的趋性研究

在实验室内利用校正趋色法,研究我国6种储粮害虫对红色等6种颜色的趋性行为反应。结果表明,6种储粮害虫对不同颜色的趋性情况大多随时间的变化而变化,在特定的时间段内,赤拟谷盗、杂拟谷盗、米象、玉米象对不同颜色的行为反应存在显著性差异(P≤0.05),其中,红色、橙色、黑色对赤拟谷盗均有明显的引诱作用,诱集率最高分别为76.23%、39.55%、49.57%;红色、黑色对玉米象有明显的引诱作用,诱集率最高分别为38.48%、38.67%。嗜卷书虱和无色书虱对所测试6种颜色则大多表现出驱避性,其中,红色和紫色分别对嗜卷书虱、无色书虱有明显的驱避作用,驱避率最高分别为70.29%、54.46%。研究结果可为研发相应颜色诱捕器对储粮害虫进行诱捕监测提供参考。     

储粮害虫智能检测方法的分析

储粮害虫的检测一直以来都是粮食储藏行业研究的一个热点，害虫种类的正确识别是粮食管理人员进行害虫防治的必要依据。对目前国内外的两种主要的害虫检测方法进行了叙述与分析，即基于图像识别的检测方法和基于声信号的检测和识别方法。在此基础上，该文重点论述了基于DSP的多信息融合的储粮害虫智能检测方法。     

中高温储粮区粮堆表层害虫种类调查

环境温度是储粮害虫发生发展的关键因子,我国中温和高温储粮生态区的温度环境适合储粮害虫的生长,是储粮害虫危害较为严重的区域,为更好地指导该地区粮库进行储粮害虫综合防治,随机选取了中温和高温储粮生态区内的19个粮库,采用波纹纸板诱捕器诱集法,开展了主要储粮害虫调查研究。结果表明:中温和高温储粮生态区内的19个粮库中,包含了18种主要储粮害虫。中、高温区主要储粮害虫种类差异不大,粉食性害虫种类远远高于蛀食性害虫;中温、高温区均适宜害虫发生发展,中温区害虫种类略高于高温区。     

储粮品质太赫兹光谱检测技术研究进展

摘要：粮食质量与安全问题备受国民的关注,了解粮食在储藏过程中品质的变化趋势,特别是在早期阶段对其劣变状况进行快速、准确检测是当前粮食行业的重要任务之一。太赫兹光谱探测与成像技术具有快速、无损、衰减性小、无电离辐射伤害等特性现已成为无损检测技术的研究热点,在人体安全检查、环境监测、病变诊断、农产品质量控制等诸多领域取得了阶段性进展,在储粮品质检测方面也具有良好的应用前景。本文主要对太赫兹时域光谱技术的探测原理和光学参数提取以及成像技术进行了综述,重点阐述了该技术在储粮品质鉴别与分类、储粮新陈度、储粮真菌污染、以及储粮害虫检测方面的应用研究,并对太赫兹光谱技术在粮食品质快速检测中的发展趋势和应用前景进行了展望。