http://www.paper.edu.cn
- 1 -
中国科技论文在线
基于 Android 系统的储粮害虫图像识别软件
设计与实现
#
赵彬宇，周慧玲
**
（北京邮电大学自动化学院，北京 100876） 5
基金项目：粮食公益性行业科研专项研究（201513002-02）
作者简介：赵彬宇（1993-），男，硕士研究生在读，主要研究方向：测控技术与智能系统
通信联系人：周慧玲（1965-），女，教授，主要研究方向：嵌入式系统与测控网络. E-mail: huiling@bupt.edu.cn
摘要：本文基于 Android 系统，设计实现了一款储粮害虫图像识别软件。采用网络参数较少
的 Resnet 模型训练储粮害虫图像识别算法，实现了 6 类 10 种主要储粮害虫图像的种类识别，
平均识别准确率达到了 0.9 左右。将训练好的算法导出为 pb 文件，移植到 Android 手机上，
并采用 TensorFlow Lite 框架调用算法模型，实现了在手机端本地识别储粮害虫图像。结果10
表明，在手机端本地识别储粮害虫种类的方式具有可行性.相比在线识别的方式，手机端本
地识别可以免受网络状况和服务器性能的制约。该软件可以成为粮库保管人员和广大储粮农
户的有益帮手。
关键词：虫情监测；储粮害虫；图像识别；Resnet 算法；Android
中图分类号：TP311.115
Design and Implementation of Android Software for Image
Recognition of Stored Grain insects
Zhao Binyu, Zhou Huiling
(Automation schoool, Beijing University of Posts and Telecommunications, Beijing 100876) 20
Abstract:This paper designed and implemented a stored grain insect image recognition mobile phone
software based on the Android system. The Resnet model with less network parameters was used to
train a stored grain insect image recognition algorithm. The algorithm can identify 10 kinds of stored
grain insects in 6 categories with an average accuracy of 0.9. In this paper, the trained algorithm is
exported to pb file, and the file was transplanted to Android mobile phone. Then TensorFlow Lite was 25
used to call the algorithm model, which realized the identification of the stored grain insect image on
the Android mobile phone. The results show that it is feasible to identify the species of stored grain
pests locally on the mobile phone. Compared with the online identification method, the local
identification on the mobile phone can be protected from network conditions and server performance.
This Android software could be an assistant for grain storage personnel and the majority of grain 30
storage farmers.
Keywords: insect monitoring; stored grain insect; image recognition; Resnet algorithm; Android
0 引言 35
粮食在长期储存过程中会受到害虫的侵扰，并且我国粮库储存粮食数量大，受到害虫污
染机会较大，控制不好会使害虫繁殖迅速，使粮食遭受大量损失
[1]
，我国每年都要花费巨大
的人力、财力用于保证粮库储粮安全
[2]
。为了实现储粮害虫情况的自动化监测，许多研究者
提出了基于图像、声学、近红外等不同技术的储粮害虫监测方法
[3]
。其中，基于图像识别技
评论0