基于深度学习的病害识别方法研究

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。     

基于改进DenseNet卷积神经网络的番茄叶片病害检测

针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类.首先将所有的图像数据进行预处理修改尺寸,对部分数量不均衡样本作随机变换;然后将DenseN...     

桃树黄化病害病原研究

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。     

基于深度学习的玉米叶片病害识别方法研究

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。     

基于卷积神经网络的农作物病害识别方法研究

传统的农作物病害诊断主要依靠人工识别,需要从业者具有一定经验且主观性较强,存在误判现象。针对这一现象,提出了一种基于卷积神经网络的农作物病害识别方法。选取玉米和马铃薯的5种常见病害进行试验,构建了1个13层的卷积神经网络结构,并分析了不同池化方式及优化算法对该模型准确性的影响。同时采用十折交叉验证对模型鲁棒性进行评估,结果表明该模型具备良好的分类性能,对5种病害的平均识别率为93.95%,为玉米及马铃薯常见病害识别提供了一种新途径。     

基于深度残差网络的玉米病害识别

针对人工诊断玉米病害成本高、效率低、时延长等问题,提出一种基于深度残差网络的玉米病害识别网络TFL-ResNet.TFL-ResNet网络基于ResNet50网络,首先引入Focal Loss损失函数使模型专注于难分类的病害样本,其次将ResNet50网络在PlantVillage数据集训练好的参数迁移到改进网络上以完...     

基于迁移学习的多模型水稻病害识别方法研究

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.     

深度学习在作物病害图像识别方面应用的研究进展

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...     

基于Sparse-DenseNet模型的森林火灾识别研究

  目的  森林火灾的频繁发生给森林防治工作带来很大的难度,传统的森林火灾识别算法存在准确率低、处理效率不够高等问题,同时由于森林火灾图像数据本身具有很强的复杂性,需要从识别精度和泛化能力等多方面进行综合考虑,因此本文将利用稀疏化的DenseNet模型展开森林火灾的识别研究。  方法  首先,对DenseNet模型进行稀疏化改造,通过随机屏蔽Dense Block模块中节点的方式来产生稀疏化效果,使得算法具备减轻过拟合、缓解梯度消失以及加快收敛速度等优点。其次,在林区进行图像采集时,由于摄像设备与被采集物体之间的相对运动以及光影作用,会出现图片数据被干扰的情况,因此本文利用python相关的图片处理工具对图片进行变换,从而对图片数据集进行相应的扩充,使其能够契合实际的应用场景。最后,本文将Sparse-DenseNet模型与其他经典深度学习模型在森林火灾数据集以及cifar10数据集上的表现进行对比,观察其效果。  结果  Sparse-DenseNet模型拥有在结构上更加轻量的特点,并且训练更快,避免过拟合的效果更好,在森林火灾数据集和标准数据集cifar10上都具有较好的表现。  结论  本文所提出的Sparse-DenseNet模型在森林火灾识别问题上,可以有效优化传统模型存在的问题,并取得良好的识别效果,其准确率可达到99.33%,优于DesenNet的98.15%,并且相同轮次训练时间只有DenseNet训练时间的3/4左右。      

谈桃树主要病害的综合防治措施

桃树是一种较为常见的观赏花木和果树,桃树对土壤的适应性较强,有较高的耐旱性,在桃树的种植管理过程中,对桃树的管理也较为简单,能获得较高的产量,所以桃树种植较为普遍。但是在桃树的生长过程中,其病害对桃树的产量会造成严重的影响,为了提高桃树产量,针对桃树主要病害进行分析,并提出相关的病害综合防治措施。     

桃树病虫害的综合防治技术

探讨桃树病虫害防治的若干措施。     

桃树病虫害的综合防治技术

针对当前桃树生产中存在的主要依靠化学农药防治病虫害使生态环境受到污染的问题,结合天津地区桃树病虫害发生情况提出桃树病虫害防治应坚持“预防为主,综合防治”的原则,采取相应的综合防治措施。     

基于YOLOv4网络的棉花顶芽精准识别方法

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。     

基于多重分形和LVQ神经网络的小麦病害智能识别

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.     

基于甘蔗病害智能诊断的立体化精准农药喷洒机的设计研究

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。     

基于贝叶斯分类器的水稻病害识别处理的研究

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。     

种草对桃园土壤物理性状、果树生长及果实品质的影响

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。     

卷积神经网络下的相似月季识别

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.     

早生黄金桃在我国黄肉桃育种中的应用研究进展

在参考相关文献的基础上,综述了早生黄金桃在我国黄肉桃育种中的应用进展。重点介绍了品种的数量和特点,并绘制了含有早生黄金桃血缘的黄肉桃品种的系谱图,并结合黄金桃品种选育中存在的问题开展了讨论。