基于多尺度空洞胶囊孪生网络的水稻虫害识别方法

Rice pest identification method based on multi-scale hollow capsule twin network

水稻是我国主要的农业粮食产物,害虫严重影响水稻的产量和质量。为了快速、准确地识别水稻害虫,针对现有传统识别算法中需要依赖大量训练样本、训练时间长等问题,提出一种基于孪生多尺度空洞胶囊网络(multi-scale dilated capsule siamese network, MSDCSNet)的水稻害虫识别方法。首先,该方法采用3个空洞Inception模块依次提取图像的多尺度卷积特征;其次,由胶囊网络进一步提取特征向量,构建图像的特征向量对;然后通过孪生网络计算每对向量图像的余弦相似度进行害虫识别,该方法集合多尺度空洞卷积、胶囊网络和孪生网络的优势,可有效克服深度卷积网络需要大样本、训练时间长等问题;最后在一个自建的水稻害虫小样本数据集上进行测试,实现对水稻5种常见害虫(稻蝗、稻纵卷叶螟、稻棘缘蝽、二化螟、稻飞虱)的识别,平均识别率达到95.6%,与VGG19算法、ACapsNet算法相比,识别率分别提高20.8、3.6百分点。结果表明,该方法在小训练样本集中,具有较强的鲁棒性和较高的识别率,可实现对水稻害虫的精确识别,为其他农作物的害虫识别提供参考。