基于阈值和深度学习的玉米常见锈病严重程度自动模糊逻辑预测

Abstract

人工智能(AI)的发展使植物病理学的许多应用成为可能。例如,许多研究人员使用了预先训练的卷积神经网络(CNNs),如VGG-16、Inception和谷歌Net等,用于植物疾病的分类。利用人工智能分类植物病害的趋势已经发展到这样的程度,一些研究人员也可以使用人工智能来检测它们的严重程度。本研究旨在介绍一种利用CNN深度学习模型预测玉米常见锈病严重程度的新方法。这是通过对患病玉米叶片(常见锈病)图像应用阈值分割来提取患病叶片面积的百分比,然后使用该百分比来获得常见锈病图像的严重等级分配的模糊决策规则来实现的。然后用这四个严重等级训练一个VGG-16网络,以便根据常见锈病的严重等级自动分类测试图像。利用该方法生成的图像对VGG-16网络进行训练,在病害早期、中期、晚期和健康阶段4种病害严重程度的图像上进行测试,验证准确率达到95.63%,测试准确率达到89%。

Keywords:VGG-16; common rust; convolutional neural networks; image histograms; fuzzy decision rules; Otsu threshold method; Image Analyzer

1. Introduction

迄今为止,使用深度学习模型对植物叶片疾病严重程度进行分类的研究人员使用了训练数据集,这些数据集通过观察被分类为依赖人类决策的类。这种方法是有偏见和不可靠的,因为一些人的决定可能不准确,比如视力受损。
【1】例如,在Sun、Wang和Wang[1]的一项研究中,VGG-16被用于苹果病害严重程度的分类。在他们的研究中,他们利用植物学家来确定患病苹果叶片的严重程度。他们聘请的植物学家对严重性等级做出了以下决定:健

基于阈值和深度学习的玉米常见锈病严重程度自动模糊逻辑预测(工具+综述+玉米锈病严重程度数据集)相关推荐

  1. 在基于图像的深度学习中如何做数据的自动标注以及自动标注的等级介绍

    作者:Tobias Schaffrath Rosario 编译:ronghuaiyang 原文:在基于图像的深度学习中如何做数据的自动标注以及自动标注的等级介绍_ronghuaiyang的博客-CSD ...

  2. 【技术综述】基于弱监督深度学习的图像分割方法综述​

    文章首发于微信公众号<有三AI> [技术综述]基于弱监督深度学习的图像分割方法综述​ 本文是基于弱监督的深度学习的图像分割方法的综述,阐述了弱监督方法的原理以及相对于全监督方法的优势,首发 ...

  3. 基于机器学习与深度学习的金融风控贷款违约预测

    基于机器学习与深度学习的金融风控贷款违约预测 目录 一.赛题分析 1. 任务分析 2. 数据属性 3. 评价指标 4. 问题归类 5. 整体思路 二.数据可视化分析 1. 总体数据分析 2. 数值型数 ...

  4. 综述:如何构建交通领域的基于图的深度学习架构

    How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey 论文简介 摘要 本文贡献 相关工作 问 ...

  5. RSE2020/云检测:基于弱监督深度学习的高分辨率遥感图像精确云检测

    RSE2020/云检测:Accurate cloud detection in high-resolution remote sensing imagery by weakly supervised ...

  6. 基于Pytorch的深度学习激励函数总结

    基于Pytorch的深度学习激励函数总结 1 激励函数定义 2 常见激励函数 2.1 Threshold函数 2.1.1 数学定义 2.1.2 常见性质 2.1.3 Pytorch实现 2.2 Tan ...

  7. 基于keras的深度学习基本概念讲解

    基于keras的深度学习基本概念讲解 Tensorflow1.0正式发布,谷歌首届Tensorflow开发者大会在山景召开,深度学习迎来新的高潮和狂欢.随着深度学习框架的普及和推广,会有越来越多人加入 ...

  8. 基于python的深度学习框架有_《用Python实现深度学习框架》上市

    朋友们,<用Python实现深度学习框架>已经由人民邮电出版社出版上市了.在这本书中,我们带领读者仅用Python+Numpy实现一个基于计算图的深度学习框架MatrixSlow.本书讲解 ...

  9. DL:基于神经网络的深度学习模型的总概览简介(DNN/CNN/RNN等)、各种网络结构对比、案例应用对比之详细攻略

    DL:基于神经网络的深度学习模型的总概览简介(DNN/CNN/RNN等).各种网络结构对比.案例应用对比之详细攻略 目录 神经网络所有模型的简介(概览) DNN.CNN.RNN结构对比 相关文章 DL ...

最新文章

  1. 【转载】tf.nn.conv2d_transpose是怎样实现反卷积的?
  2. 几个简化算法理解的网站,进来收藏!
  3. 敏捷开发中如何做质量管理?
  4. 一个 http 请求的曲折经历
  5. 人生的84000种可能
  6. jackson java反序列化_java – Jackson JSON强制反序列化为对象
  7. python交叉编译_交叉编译Python3.6.2,使用海思arm-hisiv200-linux-gcc,移植到arm开发板上...
  8. c语言输出26个英文字母的能量值,菜鸟求助,写一个随机输出26个英文字母的程序...
  9. java io顺序_Java顺序IO性能
  10. linux下装sqlserver安装包,【sqlServer】CentOS7.x 上Microsoft SQL Server for Linux安装和配置...
  11. Tomcat 7 证书配置中遇到的一个问题
  12. SQL Server 2012 数据库可疑问题解决
  13. 轻量级分布式日志管理系统Graylog、Loki及ELK的分析和对比
  14. Doc2Vec模型介绍及使用
  15. 刺猬猫服务器维护2020,刺猬猫杂谈:我认真起来连老板的号都敢封!
  16. java inflate deflate_Java中的可迭代gzip deflate / inflate
  17. 数据分析师要具备什么能力?数据分析师必备的7种能力
  18. j2cache入门使用
  19. 为大地增添一抹绿色植树节公益活动
  20. 程序员从复杂代码中找BUG的5种方法,你用过几个?

热门文章

  1. Sapera帮助文档
  2. What Are The Differences Between Base, Medium, and Full Camera Link Configurations?
  3. java web listener_JavaWeb:Listener
  4. vue solt 属性浅析
  5. Python爬虫入门教程 15-100 石家庄政民互动数据爬取
  6. Spring boot 之 dubbo 无xml 简单入门
  7. Swift类属性 static
  8. jquery.validate
  9. 软件开发人员,自身素质应该注意的问题!
  10. yapi 权限_win10 x64下从0开始搭建YApi可视化接口管理平台