苹果叶片病害识别中的深度学习研究

2024-04-21 22:22:32

苹果叶片病害识别中的深度学习研究

1、研究内容

基于DenseNet-121深度卷积网络，提出了回归、多标签分类和聚焦损失函数3种苹果叶片病害识别方法。

2、数据集介绍

用于识别的图像数据集来源于Aichalenger-Plant-Disease-Recognition。苹果叶片数据集由健康苹果、一般苹果黑星病、严重苹果黑星病、苹果灰斑病、一般雪松苹果锈病、严重雪松苹果锈病的症状图像组成。所有的数据图像尺寸归一化到1281283。通过随机选择的图像，以8:2的比率将构建的数据集分成训练数据集和测试数据集。在训练数据集中的症状图像中，85%用于训练，15%用于验证。

3、实验过程

为了扩大识别数据集，减少过拟合的机会，在训练过程中采用了随机旋转、随机平移、随机缩放、随机反转、裁剪和归一化等方法进行数据增强。基于Densenet-121深度卷积网络，提出了回归、多标签分类和焦点损失函数3种方法识别苹果叶部病害，包括健康苹果、一般苹果黑星病、严重苹果黑星病、苹果灰斑病、一般雪松苹果锈病和严重雪松苹果锈病。

4、相关结论

定量实验证明，与传统的带交叉熵损失函数的单标签多分类方法相比，上述方法在不平衡数据集上取得了更好的识别效果。三种方法在测试数据集上的准确率分别为93.51%、93.31%和93.71%。

5、论文中出现的相关图表

苹果叶片病害识别中的深度学习研究相关推荐

毕业设计--基于深度学习的常见苹果叶片病害识别与病斑分割方法研究
目录前言课题背景和意义实现技术思路实现效果图样例前言
DNA/RNA基序挖掘中的深度学习研究进展（A survey on deep learning in DNA/RNA motif mining）
摘要 DNA/RNA基序挖掘是基因功能研究的基础.DNA/RNA基序挖掘在识别DNA或RNA蛋白结合位点方面起着极其重要的作用,有助于理解基因调控和管理的机制.在过去的几十年里,研究人员一直致力于设计 ...
人脸识别中的深度学习
深度学习在人脸识别中的应用人脸识别的过程包括: 人脸检测人脸对齐特征提取(在数学上,实质上是:空间变换) 特征度量其中,特征提取与度量,是人脸识别问题中的关键问题,也是相关研究的难点之一. 传 ...
脑影像中的深度学习研究：前景与挑战
深度学习(DL)在应用于自然图像分析时非常成功.相比之下,将其用于神经影像学数据分析时则存在一些独特的挑战,包括更高的维度.更小的样本量.多种异质模态以及有限的真实标签(ground truth).在 ...
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 ...
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 ...
在浏览器中进行深度学习：TensorFlow.js (四）用基本模型对MNIST数据进行识别
2019独角兽企业重金招聘Python工程师标准>>> 在了解了TensorflowJS的一些基本模型的后,大家会问,这究竟有什么用呢?我们就用深度学习中被广泛使用的MINST数据集 ...
苹果叶片病害检测论文
苹果叶片病害检测是一个关于植物病害识别的研究课题,在这方面已经有大量的学术论文发表. 这些论文涵盖了不同的检测方法,例如图像处理和机器学习技术.许多论文都利用了深度学习技术,例如卷积神经网络 (CNN ...
《Python自然语言处理-雅兰·萨纳卡(Jalaj Thanaki)》学习笔记：09 NLU和NLG问题中的深度学习
09 NLU和NLG问题中的深度学习 9.1 人工智能概览 9.1.1 人工智能的基础 9.1.2 人工智能的阶段 9.1.3 人工智能的种类 9.1.4 人工智能的目标和应用 9.2 NLU和NLG ...

最新文章

热门文章