基于Faster-RCNN的花生害蟲圖像識別研究

陶震宇 孫素芬 羅長壽

摘要：為實現(xiàn)花生害蟲圖像的準確分類，共收集花生主要害蟲圖片2 038張，針對目前在基于Faster-RCNN的圖像識別領域較為成熟的VGG-16和ResNet-50這2種網(wǎng)絡模型進行對比研究，并針對ResNet-50模型參數(shù)進行調整，提出了基于學習率、訓練集和測試集以及驗證集的比例選擇、迭代次數(shù)等參數(shù)改進的ResNet-50卷積神經(jīng)網(wǎng)絡的模型。結果表明：該模型可以準確高效地提取出花生主要害蟲的多層特征圖像，在平均識別率上，經(jīng)過改進的 ResNet-50 網(wǎng)絡模型在識別花生害蟲圖像上優(yōu)于ResNet-50原始網(wǎng)絡模型。該模型可以準確地分類花生主要害蟲圖像，可在常規(guī)情況下實現(xiàn)花生害蟲的圖像識別。

關鍵詞：Faster-RCNN;ResNet-50模型;花生害蟲;圖像識別

中圖分類號：TP391.41 ??文獻標志碼： A ?文章編號：1002-1302（2019）12-0247-03

我國作為世界上傳統(tǒng)的農業(yè)大國，農業(yè)的發(fā)展情況對我國的經(jīng)濟發(fā)展具有深遠的影響。花生在自然生長過程中很容易受到害蟲的侵害和感染，近年來由于氣候變化、環(huán)境污染等因素的影響，花生的蟲害呈現(xiàn)出增長的趨勢，而我國主要的害蟲圖像識別方法主要還是依靠傳統(tǒng)識別方法，效率較低，因而將在人臉識別等領域較為先進的計算機圖像識別技術引入農業(yè)領域迫在眉睫。

近年來，深度學習在圖像識別領域發(fā)展迅猛，通過建立和模擬人腦的神經(jīng)系統(tǒng)來解釋圖像中的各個特征數(shù)據(jù)，能夠挖掘出圖像中所需檢測目標的深層次特征，這種數(shù)據(jù)特征對于識別目標的分類具有更好的表征能力，這樣就避免了傳統(tǒng)圖像識別方法的缺陷，更精確地識別目標圖像。因而本研究引入當前深度學習中的Faster-RCNN目標檢測技術來進行花生害蟲圖像識別。

1 Faster-RCNN

Faster-R-CNN主要由2個部分組成，一是PRN候選框提取，二是Fast R-CNN檢測。其中，RPN是全卷積神經(jīng)網(wǎng)絡，作用是提取目標區(qū)域候選建議框;Fast R-CNN基于RPN提取的建議區(qū)域檢測并識別建議區(qū)域中的目標。Faster R-CNN采用通過RPN生成的區(qū)域，然后再接上Fast R-CNN形成了一個完全的首尾相連的卷積神經(jīng)網(wǎng)絡對象檢測模型，RPN與后面的探測網(wǎng)絡一起共享全圖像卷積特征。

1.1 RPN候選框提取

為了生成建議區(qū)域，RPN在預訓練的網(wǎng)絡模型生成的特征圖上滑動1個小網(wǎng)絡，這個網(wǎng)絡把特征圖上的1個n×n窗口的特征作為輸入，對于每個窗口，以窗口的中心點作為基準，通過不同的對象映射到原圖從而得到一個個建議區(qū)域，之后通過對這些建議區(qū)域進行softmax分類與邊框回歸的學習，從而輸出調優(yōu)后的建議區(qū)域分數(shù)。

1.2 Fast R-CNN目標檢測

在目標檢測模塊中，RPN和Fast R-CNN的特征通過13個卷積層形成共享，首先通過向CNN網(wǎng)絡輸入任意帶下的圖片，經(jīng)過CNN網(wǎng)絡前后傳播至最后的共享卷積層，一方面得到由RPN網(wǎng)絡輸入的特征圖片，另外一方面向前傳播至特定的卷積層，產(chǎn)生更高維度的特征圖。由RPN網(wǎng)絡輸入的特征圖通過RPN網(wǎng)絡得到區(qū)域建議和區(qū)域得分，并將其得分區(qū)域建議提供至RoI池化層，最后通過全連接層后，輸出其該區(qū)域的得分以及回歸后的邊框回歸。

2 試驗樣本集的生成和網(wǎng)絡模型的對比

2.1 花生蟲害圖像獲取

本研究通過查找農業(yè)蟲害害蟲數(shù)據(jù)庫、實地拍攝、網(wǎng)絡查找等方法采集花生主要害蟲圖片共計2 038張，分別為東亞飛蝗223張、螻蛄229張、葉蟬223張、粉虱221張、金龜甲228張、薊馬224張、蚜蟲220張、白色蠐螬225張、甜菜夜蛾245張，用于花生主要害蟲圖像識別的訓練和測試。害蟲圖像如圖1所示。

2.2 模型原理及對比

2.2.1 VGG-16 VGG（Visual Geometry Group）是2014年牛津大學科學工程系所創(chuàng)立的，該系發(fā)布了一系列以VGG開頭的卷積網(wǎng)絡模型，可以應用在人臉識別、圖像分類等方面。VGG-16卷積網(wǎng)絡全稱為GG-Very-Deep-16 CNN，VGG在加深網(wǎng)絡層數(shù)的同時為了避免參數(shù)過多，在所有層都采用3×3的小卷積核，卷積層步長被設置為1。VGG的輸入被設置為224×244大小的RGB圖像，在訓練集圖像上對所有圖像計算RGB均值，將圖像作為輸入傳入VGG卷積網(wǎng)絡，使用3×3或者1×1的濾波器，卷積步長固定為1。卷積特征圖針對所有的圖片信息進行了編碼，同時保持相對于原始圖片所編碼的位置信息不變（圖2）。

2.2.2 ResNet-50 ResNet由微軟研究院的何凱明等4名

華人提出，通過使用殘差單元成功訓練152層深的神經(jīng)網(wǎng)絡，在ILSVRC 2015比賽中獲得了冠軍，取得3.57%的top5錯誤率，同時參數(shù)量卻比VGGNet低，效果非常突出[1]。ResNet-50的結構可以極快地加速超深神經(jīng)網(wǎng)絡的訓練，模型的準確率也有非常大的提升。由圖3、圖4可知，ResNet-50是每隔2層或3層進行的相加求下一步的輸入，這是與VGG-16網(wǎng)絡不同的，VGG-16主要是直接進行卷積，送入到下一層，同時每一層的核大小都是固定的。ResNet-50里面也采用了每一層的核大小都是固定的原則，ResNet-50網(wǎng)絡結構的設計遵循2種設計規(guī)則：一是對于相同的輸出特征圖尺寸，每一層具有相同數(shù)量的濾波器;二是如果特征圖大小減半，則濾波器的數(shù)量加倍，以便保持每一層的時間復雜度[2]。

2.3 網(wǎng)絡模型對比試驗結果與分析

本研究通過對VGG-16網(wǎng)絡模型和ResNet-50網(wǎng)絡模型針對花生主要害蟲圖像樣本集識別率上的表現(xiàn)，選出合適的網(wǎng)絡模型進行模型的參數(shù)優(yōu)化。針對2個網(wǎng)絡模型采用相同的配置對花生主要害蟲圖像的驗證集進行識別，結果表明，ResNet-50網(wǎng)絡模型針對本研究的花生主要害蟲圖像識別結果優(yōu)于VGG-16網(wǎng)絡模型（表1、表2），因此本研究將針對ResNet-50網(wǎng)絡模型進行參數(shù)優(yōu)化以提高識別精確度。

3 ResNet-50網(wǎng)絡模型參數(shù)優(yōu)化

3.1 學習率

在訓練中，首先針對學習率進行修改，并針對不同學習率條件下的模型訓練，通過進行學習率的修改，針對不同學習率下的ResNet-50模型進行識別結果的對比。針對相同環(huán)境下的ResNet-50模型進行學習率的調整，并分別對驗證集和測試集進行識別結果的測試。驗證集和測試集的識別結果（表3、表4）表明，當學習率為0.001 0時，害蟲圖像識別結果最優(yōu)。

3.2 訓練集、測試集以及驗證集的比例選擇

一般來說測試集和驗證集各占總樣本的5%～15%，因而本研究將對測試集和驗證集各占總樣本的5%、10%以及15%作為研究對象。在其他條件不變的前提下，設置學習率為0.001 0時，3種方式的平均識別率如表5所示。

由表5可知，當測試集和驗證集所占總樣本比例為10%時，害蟲圖片識別結果最優(yōu)。

3.3 迭代次數(shù)

迭代次數(shù)的計算公式為：迭代次數(shù)=（圖片數(shù)量×2×訓練次數(shù)）/batch_size。為了研究識別精確度隨著迭代次數(shù)逐漸增加的函數(shù)曲線圖，本研究將訓練次數(shù)作為更改對象，研究迭代次數(shù)對整體識別率的影響。在其他條件相同的情況下，訓練次數(shù)與驗證集和測試集圖像識別率的關系分別如圖5、圖6所示。

由圖5、圖6可知，在不浪費訓練資源的前提下，當訓練次數(shù)為10時即迭代次數(shù)為37 060次，害蟲圖像識別精確度最高。

通過以上3個方面參數(shù)的調試，最終將ResNet-50模型的學習率改為0.001 0、測試集和樣本集所占樣本比例改為10%以及迭代次數(shù)改為37 060次。

3 結論

針對當前害蟲圖像樣本數(shù)據(jù)庫中樣本較少的情況下，根據(jù)研究需求，通過網(wǎng)頁收集、實地拍攝等方式收集了 2 038 張圖片，并標記了其中1 853張圖片，共涉及東亞飛蝗、螻蛄、粉虱、金龜甲、蚜蟲、甜菜夜蛾、薊馬、白色蠐螬、葉蟬9類害蟲。

研究針對ResNet-50網(wǎng)絡模型進行參數(shù)優(yōu)化，針對優(yōu)化參數(shù)后的ResNet-50網(wǎng)絡模型進行識別，識別結果相對于ResNet-50網(wǎng)絡模型在測試集和驗證集中得到了明顯的提升。結果表明使用優(yōu)化參數(shù)之后的ResNet-50網(wǎng)絡模型可以提升訓練后的識別效果，該模型在花生害蟲圖像識別領域具有較高的識別水平，在農業(yè)害蟲圖像識別領域也具有一定的參考價值。

參考文獻：

[1]齊 恒. 基于深度哈希學習算法的移動視覺檢索系統(tǒng)設計與實現(xiàn)[D]. 北京：北京郵電大學，2018.

[2]梁曉旭. 基于卷積神經(jīng)網(wǎng)絡的遙感圖像分類算法研究[D]. 西安：西安電子科技大學，2018.陸岱鵬，陶建平，王 玨，等. 基于Venturi效應的兩相流霧化噴嘴設計與性能試驗[J]. 江蘇農業(yè)科學，2019，47（12）：250-255.