1、研究内容

在温室番茄生产中,病害的防治是一个重要的经济和环境因素。人类在评估疾病的存在和程度方面的专门知识对制定和执行管理计划很重要,但获得这些专门知识既困难又昂贵。在本文中,我们提出了一个新的计算机视觉系统,以自动识别几种疾病,检测以前未见的疾病和估计每片严重程度。模型的训练和测试使用了PlantVillage番茄数据集的9种番茄病害的几个修改版本,显示了不同的叶片特性如何影响病害检测。

2、研究相关

番茄病害管理是一个具有挑战性的过程,需要在整个作物周期内持续关注,占总生产成本的很大一部分(Peet和Welles, 2005)。及早发现有助于降低处理成本,降低化学品输入对环境的影响,并减轻产量损失的风险。目前的疾病检测技术受到人工定位和评估疾病所需时间的限制,而商业温室中发现的植物数量和早期疾病症状的规模又使这一问题复杂化。所需的费用和时间通常将疾病检测限制在不频繁的时间表或稀疏的采样,这可能会错过早期局部症状,并对暴发的严重程度产生重大影响。

自动化检测方法的研究包括分子分析、光谱学和挥发性有机化合物分析,但在商业操作规模上应用昂贵且不切实际(Martinelli等人,2015)。使用传统RGB相机成像的可见特征的研究表明,机器学习系统能够使用深度卷积神经网络模型识别已知植物病害的存在(Mohanty等人,2016;Alfarisy等人,2018)。深度学习模型通常需要数千个数据点来准确地归纳预测,而只有小型植物疾病数据集是公开的,直到PlantVillage数据集的引入(Hughes和Salathe, 2015),该数据集收录了来自12种作物的数千张植物叶片疾病图像,包括9种番茄病害。之前在PlantVillage数据集上训练的深度学习模型在识别之前看到的特定疾病症状时获得了很高的准确性(Mohanty等人&#x

温室番茄一般病害的检测与严重程度评估系统(COCO Annotator 是一种基于 Web 的图像注释工具)相关推荐

  1. 几点基于Web日志的Webshell检测思路

    摘要: Web日志记录了网站被访问的情况,在Web安全的应用中,Web日志常被用来进行攻击事件的回溯和取证.Webshell大多由网页脚本语言编写,常被入侵者用作对网站服务器操作的后门程序,网站被植入 ...

  2. 基于光学遥感图像的舰船目标检测技术研究——尹雅

    论文阅读笔记 摘要 针对光学遥感图像,围绕舰船目标检测的一般处理流程, 综述了目前各环节采用的主要处理方法, 分析比较了各方法的优劣, 指出了各环节面临的瓶颈问题, 阐述了自然图像上的检测方法应用于舰 ...

  3. 轨道病害视觉检测:背景、方法与趋势

    本文转载自中国图象图形学报. 作为我国"一带一路"倡议中基础设施建设的重要组成部分,高铁已成为中国新的外交名片.轨道交通基础设施服役状态检测是保障列车安全运营的重要手段,轨道病害检 ...

  4. 基于多分类支持向量机和KNN分类器的大豆叶片病害检测与严重程度测量

    基于多分类支持向量机和KNN分类器的大豆叶片病害检测与严重程度测量 ABSTRACT 大豆真菌病如枯萎病.褐斑病和褐斑病由于症状严重和缺乏治疗,是严重威胁大豆植株的疾病.传统的疾病诊断依赖于病机肉眼观 ...

  5. 基于图像处理技术的柑橘病害自动检测与分类

    1.论文思路 本文介绍了柑橘叶部病害的详细分类.首先,详细讨论了影响检测和分类精度的每个步骤的挑战.此外,还对自动化疾病检测和分类方法进行了全面的文献综述.为此,研究了不同的图像预处理.分割.特征提取 ...

  6. 基于深度残差网络的番茄叶片病害识别方法

    基于深度残差网络的番茄叶片病害识别方法 1.研究思路 该方法首先利用贝叶斯优化算法自主学习网络中难以确定的超参数,降低了深度学习网络的训练难度.在此基础上,通过在传统深度神经网络中添加残差单元,解决了 ...

  7. 基于深度学习和模糊逻辑的葡萄黑麻疹疾病自动检测与严重程度分析(受控背景)

    研究内容 葡萄黑麻疹可能是所有植物病害中最著名.研究时间最长.破坏性最大的一种,它最终会降低产品的生产率和质量.及时.有效.准确地评价葡萄黑麻疹病是田间管理的重要环节.本文提出了一种基于深度学习和模糊 ...

  8. 干货 | 基于特征的图像配准用于缺陷检测

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 特征提取 基于特征的图像配准,具有非常广泛的应用,大致流程可以如下 ...

  9. 【车道线检测】一种基于神经网络+结构约束的车道线检测方法

    标题:Ultra Fast Structure-aware Deep Lane Detection(ECCV 2020) 代码地址:在公众号「3D视觉工坊」,后台回复「车道线检测」,即可直接下载 亮点 ...

最新文章

  1. 微信样式组件遇到的小坑
  2. 最新mysql5.7.12 win64 安装及配置
  3. 探索 OSGi 框架的组件运行机制
  4. 再过四十年,你的女朋友可能是个美丽的机器人!不信你看
  5. python中的大数据品牌运营专业公司_国内最好的专业数据分析公司有哪些?
  6. 仿百度,豆瓣读书文库阅读器
  7. ABB机器人指令列表分类详解
  8. Matlab中semilogy函数使用
  9. Linux 系统中如何恢复已删除的文件?
  10. Deadlock found when trying to get lock; try restarting transaction 【MySQL死锁问题解决】
  11. OSM和PBF数据格式说明
  12. Webpack的基本使用
  13. ​最新淘宝商品详情接口API(稳定低成本)
  14. jquery php下拉列表,JQuery三级下拉菜单
  15. Ie兼容js void不打开新页
  16. 右键弹出菜单和快捷键的设置
  17. Android7.1电池管理部分的一些笔记
  18. 大学物理·第11章【光学】
  19. 磁簧开关/干簧管传感器原理
  20. Excel工具箱-方方格子使用案例(提取数据、正则表达式

热门文章

  1. 著名的用户界面设计准则
  2. QT中三种构建菜单栏的方法
  3. QT中如何实现Thread与GUI的主线程连通
  4. public/protected/private简介
  5. docker redis 删除集群_基于Docker的Redis集群实践
  6. iOS 初识CoreBluetooth
  7. Hadoop MapReduce编程 API入门系列之wordcount版本3(七)
  8. 深度了解视频直播CDN技术
  9. 尼康日本拟裁员约一千人 涉及半导体制造业务
  10. getconf 取系统配制 --CPU