基于深度卷积神经网络的玉米病害识别

2024-05-11 11:26:28

基于深度卷积神经网络的玉米病害识别

1、研究思路

算法模型是先将图像预处理，应用Tripletloss双卷积神经网络结构学习玉米图像特征，再使用SIFT算法提取图像纹理细节，最后通Softmax对图像进行标签分类。训练集采用正常玉米图像与玉米病害图像相结合的方式，使用深度相似性网络学习正常玉米图像特征表示，再使用迁移学习方法学习玉米病害图像的特征，最后对特征进行分类识别。
2、图像预处理
预处理负责图像降噪，调节白平衡，图像均值化等操作，保证图像数据规一化。再使用Faster-RCNN多目标检测算法，快速定位病症区域，排除背景干扰。
3、特征提取
采用基于 Triplet 相似性度量学习方法，通过特征学习使得同一玉米在不同场景下的图像特征更相似。
4、SIFT 特征提取
为了弥补通过深度卷积神经网络提取的特征在图像纹理细节表示较为欠缺的问题。我们采用尺度不变特征变换 SIFT (Scale- invariant
feature transform，SIFT)特征作为补充特征，做加权融合，加强特征的描述能力。
5、标签分类
将计算结果带入梯度下降法中，并迭代更新参数等待参数训练。最后采用公式(5)输出特征 x 分类为类别 j 的概率。
6、病害识别

基于深度卷积神经网络的玉米病害识别相关推荐

基于深度卷积神经网络的农作物病害识别
基于深度卷积神经网络的农作物病害识别 1.研究思路运用深度学习的方法,基于ResNet-50以及 InceptionV3.MobileNet等神经网络,并在这些基础结构上改进部分模型.该研究主要 ...
基于深度卷积神经网络的玉米病害实时识别检测系统
Deep Convolutional Neural Network based Detection System for Real-time Corn Plant Disease Recognitio ...
论文翻译：基于深度卷积神经网络的肉鸡粪便识别与分类
Recognition and Classification of Broiler Droppings Based on Deep Convolutional Neural Network 基于深度卷 ...
基于深度卷积神经网络的大豆叶斑病识别
Abstract 摘要:本文设计了一种基于LeNet的深度卷积神经网络,利用大豆叶斑病斑影响区域进行病害识别和分类.采用无监督模糊聚类算法从叶片图像中分割出病害斑的影响区域.所提出的深度卷积神经网络模 ...
基于卷积神经网络的小麦病害识别方法
基于卷积神经网络的小麦病害识别方法 1.研究思路首先以小麦病害图片资料为基础,利用中值滤波法.直方图阈值法等对图像进行去背景.去噪.病斑分割等预处理形成样本库,然后利用卷积神经网络构建一个具有五层结 ...
基于深度卷积神经网络进行人脸识别的原理是什么？
原文:https://www.zhihu.com/question/60759296 基于深度卷积神经网络进行人脸识别的原理是什么? 这里的人脸识别包括但不限于:人脸检测,人脸对齐,身份验证识别,和表 ...
基于深度卷积神经网络的目标检测研究综述
基于深度卷积神经网络的目标检测研究综述人工智能技术与咨询来自<光学精密工程> ,作者范丽丽等摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究.目标检 ...
基于一维卷积神经网络的滚动轴承故障识别
基于一维卷积神经网络的滚动轴承故障识别文章目录基于一维卷积神经网络的滚动轴承故障识别一.数据预处理二.模型构建三.模型训练四.模型测试总结一.数据预处理采用美国凯斯西储大学(CWRU ...
基于深度卷积神经网络的ImageNet分类
基于深度卷积神经网络的ImageNet分类文章目录摘要一.介绍二.数据集三.结构 ReLU非线性局部反应归一化重叠集合整体架构数据扩张总结摘要我们训练了一个大型的深度卷积神经网 ...

最新文章

热门文章