| 基于轻量级神经网络的2种害虫钻蛀振动识别方法 |
| |
| 引用本文： | 孙钰,脱小倩,蒋琦,张海燕,陈志泊,宗世祥,骆有庆.基于轻量级神经网络的2种害虫钻蛀振动识别方法[J].林业科学,2020,56(3). |
| |
| 作者姓名： | 孙钰 脱小倩 蒋琦 张海燕 陈志泊 宗世祥 骆有庆 |
| |
| 作者单位： | 北京林业大学信息学院 北京100083;北京航空航天大学网络空间安全学院 北京100191;北京林业大学林学院 北京100083 |
| |
| 摘 要： | 【目的】设计轻量级神经网络,使用声音识别技术构建钻蛀振动识别模型,自动识别双条杉天牛和臭椿沟眶象幼虫蛀干取食振动,为提高钻蛀性害虫的早期预警能力提供技术支撑。【方法】在接双条杉天牛、臭椿沟眶象幼虫木段中嵌入AED-2010L便携式声音探测仪的SP-1L压电式传感器探头,使用录音笔以音频格式记录钻蛀振动信号。双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种声音信号经端点检测、时间规整操作后,计算对数梅尔声谱作为卷积神经网络学习和识别的数据集。由于钻蛀性害虫取食振动脉冲持续时间短,数据量远小于图像,为避免模型出现过拟合,设计轻量级卷积神经网络Insect Frames,网络包含4层3×3卷积,全连接层前接全局平均池化进一步降低网络参数量。使用不同的中间层特征维度和降维方法,实现4种网络变体结构Insect Frames_1—4。【结果】基于轻量级卷积神经网络的钻蛀振动识别方法可有效监测早期虫害的发生,较准确地识别害虫种类。利用Insect Frames_1—4模型,对双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种信号进行识别,在测试集上的平均识别准确率均达90%以上,CPU上平均识别时间为0.1～1.3 s。Insect Frames_2模型识别准确率达95.83%,较广泛用于虫声识别的高斯混合模型提高34.2%,较传统重量级神经网络Res Net18提高6.94%,时间效率提高171.1倍。【结论】将神经网络和声音识别技术用于幼虫钻蛀振动的自动化侦听,具有高效、简单、成本低等优势,可提升林业钻蛀性害虫的早期预警能力。
|
| 关 键 词： | 钻蛀性害虫 神经网络 钻蛀振动 声音识别 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
