卷积神经网络在昆虫刺吸电位波形识别中的应用研究

摘要：

昆虫刺吸电位(Electrical Penetration Graph,EPG)波形一直以来靠人工识别,不仅耗时费力,且主观性强.针对这一问题,文中提出一种利用深度学习中的卷积神经网络对其进行自动识别的方法.实验中首先对获取的EPG波形进行去噪、分帧等预处理;然后进入一维卷积神经网络进行训练,通过对卷积层数、卷积核大小、学习率、迭代次数等参数进行对比选择,确定两个卷积层和池化层的网络结构,得到了97.5％的平均识别率.这是深度学习在EPG波形识别方面做的初次尝试,相比于传统的机器学习方法,具有更高的识别性能.实验结果表明,文中提出的基于一维卷积神经网络的EPG波形识别方法切实可行.

关键词：刺吸电位波形、卷积神经网络、自动识别、参数对比、卷积核、迭代处理

所属期刊栏目：45

分类号：TN911.72-34;TP391

资助基金：河南省科技攻关计划项目;河南省科技攻关计划项目;河南农业大学自然科学类青年创新基金;河南省高等学校重点研究项目

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186