共查询到19条相似文献,搜索用时 109 毫秒
1.
当前在大面积生产中,主要病害的发生严重威胁农作物健康持续发展,亟须高效的病害识别方法来解决人工识别耗时、误判及效率低等问题。通过SONY@6300数码相机和开源数据库获取3种病害图像各150张,利用Labelme标注图片病斑,经过图像增强得到2 250张图片并构成数据集,按照8∶1∶1的比例划分为训练集、验证集和测试集。训练Deeplabv3+、 U-Net、 U-Net++等3种神经网络模型,对3种病害的图片进行预测并评价,比较在相同迭代次数下的损失曲线;根据对测试集进行预测的混淆矩阵,计算其精准度、召回率和F1得分。综合对比这3种模型的性能,结果表明U-Net++效果最好,3个评价指标均在97%以上,对病害的分割性能也优于Deeplabv3+和U-Net模型。研究结果可为生产上病害防治提供科学指导,也可为其他作物的病害识别提供技术参考。 相似文献
2.
3.
随着现代社会科技力量不断发展,人们对于环境也越来越重视,尤其,在一些物种上的保护方面。对于现在树木经常得的病也做了一个非常系统的分析,像是本文对桃树黄化病害病原研究一样。现在随着环境破坏的越来越严重,在从桃树黄化病害病原研究中也可以看出来。首先,桃树黄化病害病原是由很多方面所引起的。我们对于桃树黄化病害病原的研究要加以重视。由于现在桃树黄化病害病原越来越严重,所以已经成为被大众所热烈讨论的话题。本人结合自己的亲身经历以及个人的本身经验,就对桃树黄化病害病原研究展开了简单的探讨和分析,希望能够可以引起抛砖引玉的作用。 相似文献
4.
玉米叶片病害是造成的玉米质量差、产量低主要原因之一。为了对玉米叶片病害进行快速准确识别,提出了基于ResNet(Residual Neural Network)深度学习网络对玉米病害识别的方法,采用ResNet 作为玉米病害识别的主体模型,利用数据增强技术来扩充数据集,扩充后的数据集图片包括训6000 张练集和1645 张测试集,并使用预训练网络AlexNet、GooLeNet 和ResNet 进行识别玉米叶片病害的性能对比实验,研究发现在批量尺寸为32 个和epoch 次数为16时ResNet50 获得最高的分类准确率为92.82%,优于传统机器学习算法。 相似文献
5.
6.
7.
水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97%,尤其是Xception模型不仅可以达到98.50%的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性. 相似文献
8.
深度学习在作物病害图像识别方面应用的研究进展 总被引:2,自引:0,他引:2
在作物生产管理过程中,正确及时地诊断作物所患病害非常关键.基于深度学习的图像识别为作物病害自动快速诊断提供了新途径.相比传统图像识别所用的模式识别方法,深度学习网络模型能自行提取特征且能够由低维特征抽象出高维特征,取得更好的学习效果.系统梳理了深度学习在图像自动化识别方面的发展历程,介绍了浅层神经网络的相关概念,阐述了... 相似文献
9.
10.
12.
13.
基于YOLOv4网络的棉花顶芽精准识别方法 总被引:1,自引:0,他引:1
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法。利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型。对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能。结果表明:该模型在测试集的平均检测精度(AP)、精确率(P)、召回率(R)、调和平均值(F1)比原模型分别提高0.36%、1.73%、0.52%、1.16%,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降。 相似文献
14.
针对不同小麦病害有不同的形状特征,利用多重分形分析提取小麦病害图像的8个多重分形谱值作为小麦病害的形状特征参数,并利用这8个特征参数来索引图像数据库作为学习向量量化(LVQ)神经网络的输入,进行样本训练、分类识别.试验结果表明,该算法对小麦病害的识别率可达90.0%以上. 相似文献
15.
针对现有农药喷洒机在精确性、效率以及喷洒均匀性方面的不足,提出一种基于甘蔗病虫害智能诊断的立体化精准农药喷洒机设计方案。该设计方案克服了传统喷洒设备在农药喷洒过程中无法精确识别和定位甘蔗病害区域以及喷洒均匀性不足的问题。通过运用图像处理技术和深度学习算法,系统能够自动识别甘蔗叶片的病害种类、病情程度和位置信息,并借助立体化精准农药喷洒机实现智能化调整喷洒剂量,以确保精准且均匀地喷洒农药。实验结果表明,该系统能够显著提高农药利用率和作物防治效果,具有较高的实用性和推广价值。 相似文献
16.
基于贝叶斯分类器的水稻病害识别处理的研究 总被引:4,自引:0,他引:4
研究应用逐步判别分析方法,对三种寒地水稻常见病害组合成4个不同的参数集,将参数进行筛选,剔除多余参数,最后使用贝叶斯差别法进行分类识别。实验结果表明,使用逐步判别分析方法能有效的保留识别参数的准确性,为后续的识别奠定了良好的基础,识别的准确率提高至97.5%,该方法可以应用于对寒地水稻病害的识别。 相似文献
17.
种草对桃园土壤物理性状、果树生长及果实品质的影响 总被引:1,自引:0,他引:1
通过在桃园中种植不同品种的牧草,研究不同牧草对果园土壤物理性质、果树生长以及果实品质的影响,为桃园生态种植提供理论依据和技术指导。结果表明,在盛夏季高温季节,种植牧草使0~5 cm土层温度降低8.0~12.3℃,0~10 cm土层土壤含水量提高0.83%~20.62%,土壤容重显著降低(P〈0.05);同时提高了果实可溶性糖含量,但果实可溶性蛋白含量有所降低。种植紫花苜蓿明显促进了桃树新枝生长,而种植菊苣对桃树新枝生长有一定的抑制作用。结果表明,桃园生草有显著改善土壤物理性状,提高桃树生长和果实品质的作用,但改良效果和作用程度在不同牧草品种之间存在较大差异。 相似文献
18.
目前我国关于花卉分类识别技术已较为成熟,但由于类间相似性较高,花卉特征较难提取,对于同种不同类的相似花卉仍存在识别率较低的问题,因此提出使用卷积神经网络(CNN)中4类深度学习网络SqueezeNet、ResNet、InceptionV3及DenseNet的训练模型,搭建了对4种相似月季进行识别的花朵识别客户端,并对识别结果进行比较,筛选出最优模型,同时运用GPU对训练过程以及识别过程进行加速.对实验过程产生的数据进行统计对比后得出InceptionV3网络训练后得到的模型较其余3种网络而言识别率最高且识别速度较快,可以作为最优模型.将搭建的花朵识别系统应用于花卉分类工作中,在节省人工的同时也能够加速园艺自动化的进程. 相似文献