基于卷积神经网络的农业害虫图像匹配点识别方法

当前病虫害图像智能识别过程提取的局部特征主要突出图像细节,对图像中光照等外界环境干扰较为敏感,匹配精度低,提出一种基于卷积神经网络的农业害虫图像匹配点识别方法。将害虫标本与活体图片作为训练集与测试集,建立卷积神经网络,在卷积层中,上个层级的特征经卷积核处理后,利用激励函数即可获取新一层特征。池化层选择max poling进行处理,学习过程采用梯度反向传播形式。在分类层中,针对目标函数,通过Momentum动量法进行处理。采用建立的数据集对卷积神经网络特征视觉词袋模型进行训练,依据虫害图像特征,通过对处于同一叶子节点上的匹配点进行相似度计算,完成对匹配点的识别。实验结果表明,在视角发生改变的情况下,本文方法、SURF方法、BRIEF方法的匹配比率没有很大的差异,而在季节改变与光照改变的情况下,本文方法的匹配比率明显优于SURF方法、BRIEF方法。