基于改進Faster R-CNN與遷移學習的農田雜草識別算法*

尚文卿，齊紅波

(石家莊工程職業學院信息工程系，石家莊市，050024)

0 引言

雜草根除是農業生產過程中重要的業務之一，田間雜草作為病蟲害的棲息地，具有極強的生命力，通過不受控制的生長與農作物競爭光、肥和水等資源，給農作物的產量和質量造成嚴重的影響[1]。據第三屆除草劑發展與推廣應用交流會指出，全世界一年因雜草危害導致減產的糧食損失達年產量的13%，約10億人一年的口糧[2]。傳統通過大面積的除草劑噴灑雖然可以較好地實現田間雜草的根除，但是該類雜草根除手段不僅帶來環境的污染和農業成本的增加，同時對食品的安全也存在潛在的威脅。因此，如何利用綠色手段提高雜草的識別精度和識別效率，及時根除農田雜草，對于保證農作物產量和質量具有重要的意義。

傳統目標檢測主要利用計算機視覺的各種技術提取待檢測圖像特征，并借助標準物與待檢測圖像的紋理、色彩和形狀等方面的差異性進行分類識別。如文獻[3]針對不同光照條件下雜草識別特征信息容易缺失的問題，提出了一種基于深度卷積神經網絡的雜草識別方法，通過在卷積神經網絡基礎上構建Inception V3分類器，根據比對待檢測物體與標準對照物之間的差異性，給出識別結果。文獻[4]針對手工特征提取單一的問題，提出了一種空洞卷積結合全局池化的卷積神經網絡識別作物幼苗與雜草算法，該算法通過設置不同的膨脹系數來完成12種雜草的識別。……