基于RetinaNet模型的梨小食心虫智能识别计数方法

Intelligent recognition and counting method of Grapholitha molesta based on RetinaNet model

针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题,基于RetinaNet深度学习目标检测模型,构建了一种普适性更广的梨小食心虫智能识别计数方法。试验结果表明,RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93%,平均计数准确率达95.62%,且该方法对拍摄条件要求低,普适性广,优于Faster R-CNN目标检测模型,完全可以在梨小食心虫监测调查中替代人工进行分类计数。