基于卷积神经网络的家蚕农药中毒识别研究

作     者：吴建梅 陈肖 石洪康 胡光荣 叶晶晶 李永远 张剑飞 WU Jian-mei;CHEN Xiao;SHI Hong-kang;HU Guang-rong;YE Jing-jing;LI Yong-yuan;ZHANG Jian-fei

作者机构：四川省农业科学院蚕业研究所四川南充637000 

出 版 物：《蚕学通讯》 (Newsletter of Sericultural Science)

年 卷 期：2022年第42卷第4期

页      面：17-23页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0906[农学-兽医学] 080203[工学-机械设计及理论] 09[农学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省桑蚕品种种质资源共享服务平台 财政部和农业农村部:国家现代农业产业技术体系建设专项(CARS-18) 四川省农作物育种攻关项目(2021YFYZ0024-3) 四川省财政自主创新专项(2022ZZCX087) 

主　　题：家蚕 农药中毒 图像数据 卷积神经网络 MobileNet模型 

摘      要：由农药污染桑叶造成的家蚕中毒是蚕茧生产减收的主要原因之一。现有的家蚕农药中毒识别方法主要是人工观察大量蚕儿出现的明显症状进行识别。为了提高诊断的效率和准确性,运用深度学习方法的卷积神经网络开展了家蚕农药中毒的智能识别研究。通过给4龄初期幼虫添毒的方式集中获取敌杀死(溴氰菊酯)、草甘膦2种农药中毒的家蚕样本,并以相同日龄的健康家蚕作为参照,使用智能手机在实际环境下采集图像,构建家蚕中毒症状的图像数据集。在此基础上,利用轻量级卷积神经网络MobileNet模型开展识别试验,结果显示对2种农药中毒的识别准确率分别为95.0%和99.6%。初步的研究结果提示,进一步构建种类更加完整的基于卷积神经网络的家蚕农药中毒识别系统,将有助于蚕桑生产上家蚕中毒的农药污染溯源分析和精准预防。