利用CNN和迁移学习方法识别植物叶片疾病

2024-06-06 15:15:04

利用CNN和迁移学习方法识别植物叶片疾病

Abstract

及时发现和早期预防作物病害对提高产量至关重要。由于深度卷积神经网络(CNN)在机器视觉领域取得了令人瞩目的成果，本文采用深度卷积神经网络(CNN)模型来从植物的叶子中识别和诊断疾病。标准的CNN模型需要大量的参数，计算成本较高。本文用深度可分离卷积代替标准卷积，减少了参数个数和计算量。实现的模型使用一个开放数据集进行训练，该数据集包含14种不同的植物，38种不同的疾病分类和健康的植物叶片。为了评估模型的性能，我们引入了不同的参数，如批量大小、dropout和不同的epoch数量。采用InceptionV3、InceptionResNetV2、MobileNetV2和EfficientNetB0实现的疾病分类准确率分别为98.42%、99.11%、97.02%和99.56%，优于传统的基于特征的手工方法。与其他深度学习模型相比，所实现的模型在准确率方面取得了更好的性能，并且所需的训练时间更少。此外，MobileNetV2体系结构使用优化后的参数与移动设备兼容。病害识别的准确性结果表明，深度CNN模型具有良好的应用前景，对病害的有效识别有很大的影响，在实时农业系统病害检测中具有潜在的应用前景。

Keywords:artificial intelligence; convolutional neural network; deep learning; machine learning;transfer learning

1. Introduction

基于植物叶片的植物病害自动识别是农业领域的一个重要里程碑。
【1】此外，植物病害的早期及时鉴定对作物产量和品质也有积极的影响。由于种植了大量的农作物，即使是一个农学家和病理学家也可能经常无法通过观察受

利用CNN和迁移学习方法识别植物叶片疾病相关推荐

金融交易行为监测方法——利用 CNN 模型实现行为识别
背景介绍在证劵交易所领域,曾经发生用户证券账号被盗事件,导致客户资产损失,例如:黑客获得了用户A的证券账号密码,利用多次的低买高卖将资产转移.本文中针对此类对敲欺诈的场景,采用将用户交易数据转换为图 ...
【叶片识别】基于matlab LBP植物叶片识别【含Matlab源码 1702期】
一.LBP简介(附lunwen) 第一章引言植物在我们的身边随处可见,它们从产生发展进化到现在,其间经历了漫长的岁月.地球上的植物种类繁多.数量浩瀚,它们是生物圈的重要组成部分,在维持整个生物界的 ...
基于 CNN 和迁移学习的农作物病害识别方法研究
基于 CNN 和迁移学习的农作物病害识别方法研究 1.研究思路采用互联网公开的 ImageNet 图像大数据集和PlantVillage 植物病害公共数据集, 以实验室的黄瓜和水稻病害数据集 AES ...
基于tensorflow2.0利用CNN与线性回归两种方法实现手写数字识别
CNN实现手写数字识别导入模块和数据集 import os import tensorflow as tf from tensorflow import keras from tensorflow. ...
S/HIC 系列软件：partialS/HIC 利用 CNN 识别不完全软/硬清扫
内容翻译整理自文章 Discovery of Ongoing Selective Sweeps within Anopheles Mosquito Populations Using Deep Lea ...
机器学习植物叶片识别
植物叶片的识别:给出叶片的数据集"叶子形状.csv",描述植物叶片的边缘.形状.纹理这三个特征的数值型变量各有64个(共64*3=192个变量).此外,还有1个记录每片叶片所属植物 ...
Xception迁移学习：玉米叶片病害识别分类
Xception迁移学习:玉米叶片病害识别分类数据集:来自网上公开的PlantVillage数据集中的玉米叶片部分. 运行环境:Tensorflow深度学习开源框架,选用Python 3.6.12作 ...
利用CNN进行手写数字识别
资源下载地址:https://download.csdn.net/download/sheziqiong/85884967 资源下载地址:https://download.csdn.net/downl ...
干货丨深度迁移学习方法的基本思路（文末送书）
百度前首席科学家.斯坦福大学副教授吴恩达(Andrew Ng)曾经说过:迁移学习将是继监督学习之后的下一个促使机器学习成功商业化的驱动力. 本文选自<深度学习500问:AI工程师面试宝典> ...

最新文章

热门文章