基于KL变换与BP神经网络的农田害虫识别算法

KL变换是一种降低维度的算法,BP神经网络是一种智能识别算法,农田害虫的训练需要一个庞大的害虫图片库,面对巨大的图片库,如果使用高清的数码照片训练,是对计算机性能的巨大挑战,所以将KL正交变换用于降低维度,最大限度地在提高计算机性能的基础上维持神经网络的识别率。

基于改进YOLOv5注意力模型的农田害虫图像识别

农田害虫防控是一项争分夺秒的挑战,在此过程中害虫种类的正确识别是一项极为重要的环节。针对传统识别害虫检测过程中准确率低、检测目标较小的问题,文章提出了一种基于YOLOv5s和注意力机制的农田害虫图像识别模型。将自注意力机制引入YOLOv5s网络,对上下文信息进行建模,通过建立非局部模型提高网络解决图像远距离和多层次依赖关系的能力。实验结果显示,基于YOLOv5注意力模型的农田害虫图像识别具有较高的检测精度,可以有效识别和定位各类害虫。