基于深度学习的大豆叶片病害识别(自然环境下1470张图像)

2024-06-03 17:51:21

Abstract

本文提出了一种利用卷积神经网络(CNN)识别自然环境下大豆叶片病害的新方法。使用AlexNet、GoogLeNet和ResNet进行迁移学习。首先，通过设置不同的批量大小和迭代次数，得到27个模型;然后，研究了CNN结构对识别性能的影响。最优模型基于ResNet，准确率最高，为94.29%。在最优网络的参数设置中，迭代次数为1056次，批量大小为16次，训练深度为140。总之，该方法对自然环境下大豆叶片病害的识别是有效的。

KeywordsSoybean leaf diseases;Deep learning;Convolutional neural network;Image recognition

Introduction

大豆是世界上重要的粮油作物之一。随着人口和经济的增长，对大豆产量的需求越来越大。
【1】大豆叶病具有品种多、影响大、局部暴发等特点，已成为大豆叶病研究的重要内容制约高产优质大豆产业可持续发展的因素。因此，实时、准确地识别大豆叶片病害是当前急需解决的问题。
【2】随着精准农业技术的发展，利用图像处理技术对作物病害进行诊断和防治已成为智能农业的重要研究内容之一。

利用图像识别技术对农作物病害进行诊断和防治已经取得了许多成果。例如，
【3】Guan等使用k-最近邻(KNN)来识别杂草[3]。他们提取了多种类型的特征，并对其进行处理，以识别杂草。5种杂草的鉴别准确率为88%。
【4】Cheng和Matson提出了一种基于特征的方法来区分杂草和水稻[4]。通过决策树得到的最佳查准值为98.2%，最佳查全值为97.7%。
【5】Ma等提取了大豆叶病区[5]的14维几何、颜色和纹理特征。建立了两个斜坡级联神经网络模型，

基于深度学习的大豆叶片病害识别(自然环境下1470张图像)相关推荐

基于深度学习的农作物叶片病害检测系统（UI界面+YOLOv5+训练数据集）
摘要:农作物叶片病害检测系统用于智能检测常见农作物叶片病害情况,自动化标注.记录和保存病害位置和类型,辅助作物病害防治以增加产值.本文详细介绍基于YOLOv5深度学习模型的农作物叶片病害检测系统,在介 ...
基于深度学习的咖啡叶病害识别和严重程度评估(源代码+数据集)
研究内容生物胁迫包括通过其他生物体对植物的损害.对害虫和病原体(病毒.真菌.细菌等)等生物制剂的有效控制与农业可持续性的概念密切相关.农业可持续性促进了新技术的发展,这些新技术可以减少对环境的影响, ...
深度学习在植物种类及病害识别领域的研究
** 深度学习在植物种类及病害识别领域的研究 ** 植物的基本特征包括叶片的形状特征和纹理特征,而对特征的描述范围又分为全局与局部. 该方法的效果在很大程度上取决于人们的选择是否合理,但他们在选择特 ...
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识别
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 ...
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 ...
【camera】基于深度学习的车牌检测与识别系统实现（课程设计）
基于深度学习的车牌检测与识别系统实现(课程设计) 代码+数据集下载地址:下载地址用python3+opencv3做的中国车牌识别,包括算法和客户端界面,只有2个文件,surface.py是界面代码, ...
基于深度学习的手写数字识别、python实现
基于深度学习的手写数字识别.python实现一.what is 深度学习二.加深层可以减少网络的参数数量三.深度学习的手写数字识别一.what is 深度学习深度学习是加深了层的深度神经网络 ...
基于深度学习的手写数字识别Matlab实现
基于深度学习的手写数字识别Matlab实现 1.网络设计 2. 训练方法 3.实验结果 4.实验结果分析 5.结论 1.网络设计 1.1 CNN(特征提取网络+分类网络) 随着深度学习的迅猛发展,其应 ...

最新文章

热门文章