基于改进Faster R-CNN与迁移学习的农田杂草识别算法*

尚文卿，齐红波

(石家庄工程职业学院信息工程系，石家庄市，050024)

0 引言

杂草根除是农业生产过程中重要的业务之一，田间杂草作为病虫害的栖息地，具有极强的生命力，通过不受控制的生长与农作物竞争光、肥和水等资源，给农作物的产量和质量造成严重的影响[1]。据第三届除草剂发展与推广应用交流会指出，全世界一年因杂草危害导致减产的粮食损失达年产量的13%，约10亿人一年的口粮[2]。传统通过大面积的除草剂喷洒虽然可以较好地实现田间杂草的根除，但是该类杂草根除手段不仅带来环境的污染和农业成本的增加，同时对食品的安全也存在潜在的威胁。因此，如何利用绿色手段提高杂草的识别精度和识别效率，及时根除农田杂草，对于保证农作物产量和质量具有重要的意义。

传统目标检测主要利用计算机视觉的各种技术提取待检测图像特征，并借助标准物与待检测图像的纹理、色彩和形状等方面的差异性进行分类识别。如文献[3]针对不同光照条件下杂草识别特征信息容易缺失的问题，提出了一种基于深度卷积神经网络的杂草识别方法，通过在卷积神经网络基础上构建Inception V3分类器，根据比对待检测物体与标准对照物之间的差异性，给出识别结果。文献[4]针对手工特征提取单一的问题，提出了一种空洞卷积结合全局池化的卷积神经网络识别作物幼苗与杂草算法，该算法通过设置不同的膨胀系数来完成12种杂草的识别。……