基于卷积神经网络的农业害虫图像匹配点识别方法

王 彤,倪 懿

1.苏州高博软件技术职业学院,江苏 苏州 215163

2.苏州农业职业技术学院,江苏 苏州 215000

农业害虫为导致全球农业经济损失的主要因素，其依靠不同种类的植物与农作物存活，为农业带来了不同损害[1,2]。农业害虫产生的经济影响是世界范围内的，欧美农业经济损失为30%左右，而亚洲与非洲农业经济损失超过50%[3-5]。从20 世纪60 年代之后，病虫害综合防治变成被广泛应用的虫害防治方式，而农业害虫图像匹配点识别对病虫害综合防治而言非常重要[6]。

传统匹配点识别方法通常是在提取图像局部特征的基础上完成的，如SURF 方法和SIFT 方法等，局部特征主要突出图像细节，有很好的转换鲁棒性，然而对图像中光照等外界环境较为敏感[7,8]，可应用场景被限制，在很大程度上会导致图像信息缺失，对农业害虫图像匹配点识别结果产生不好的影响。卷积神经网络从大规模数据中对学习特征进行描述，其逐层提取的特征较为抽象，但有大量语义信息，可提高匹配准确度。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，卷积神经网络提取的特征有一定的语义信息，并且通过视觉词袋模型构造索引，提高匹配点识别准确性。经实验验证，所提方法在外界环境改变的状态下匹配点识别鲁棒性更优。

1 基于卷积神经网络的农业害虫图像匹配点识别方法

1.1 样本选择和预处理

当前我国常见的农业害虫主要有稻飞虱、白粉病、玉米螟、棉铃虫、小麦锈病、棉蚜、稻纹枯病、稻瘟病、麦蚜、麦红蜘蛛、蝗虫、麦类赤霉病等[9,10]，危害相对严重，所以将上述害虫当成研究对象。……