改進(jìn)Faster RCNN在糧蟲(chóng)目標(biāo)檢測(cè)中的應(yīng)用研究

摘要： 針對(duì)儲(chǔ)糧害蟲(chóng)體積小、姿態(tài)多變、背景復(fù)雜、存在粘連遮擋且容易混淆、檢測(cè)精度低等問(wèn)題，提出了一種基于深度學(xué)習(xí)的改進(jìn)Faster RCNN糧蟲(chóng)目標(biāo)檢測(cè)方法。
通過(guò)在特征圖后引入金字塔池化模塊，優(yōu)化損失函數(shù)，提升糧蟲(chóng)檢測(cè)性能。
實(shí)驗(yàn)結(jié)果表明，該方法在本實(shí)驗(yàn)自制的白板背景和儲(chǔ)糧背景兩個(gè)糧蟲(chóng)數(shù)據(jù)集的mAP分別達(dá)到89.42%和90.12%,相比較改進(jìn)前的算法分別提升了0.90%和2.46%。