基于迁移学习的水稻病虫害识别

【目的】水稻病虫害是引起水稻减产的重要因素。准确地识别水稻病虫害类型,及 时采取有效的针对性预防措施,有助于避免因水稻减产带来的经济损失。然而,聚焦于人 脸和花草等常见事物的识别技术,在农业领域特别是水稻病虫害识别领域应用较少,而 目前已有的水稻病虫害识别研究存在数据量小和数据种类不够丰富等问题。【方法】文 章搜集了2.0372 万张水稻病虫害图片,并以此构建了完整的水稻病虫害识别数据集,基 于迁移学习的思想,在ResNet50 的预训练模型基础上构建了一个针对16 种主要水稻病 虫害识别的深度模型。同时,考虑实际应用的需要,搜集了9 928 张其他图片（包括人 像、汽车等）,结合9 675 张水稻病虫害图片,构建了一个二分类数据过滤模型,以此来 避免非水稻病虫害图片被识别为某一类病虫害的不合理结果。【结果】有预训练模型验 证结果的top-1 准确率达到了95.23%,F1 系数为77.83%,相较无预训练模型top-1 准确 率提升了24.51%,F1 系数提升了56.66%。数据过滤模型的过滤准确度达到了99.60%。 【结论】基于迁移学习的水稻病虫害识别模型,使水稻病虫害识别结果更加准确。非水稻病 虫害过滤模型,有效地解决了实际应用中非水稻病虫害图片被错分为某一类水稻病虫害的 问题。     

基于卷积神经网络和迁移学习的瓯柑病虫害识别研究

传统的瓯柑病虫害检测方式主要依靠人工肉眼查看,效率较低,而且需要检测人员具备丰富的专业知识。针对这些问题,文章提出了基于卷积神经网络和迁移学习的瓯柑病虫害识别方法。首先选取Xception、InceptionResNetV2、MobileNetV2、DenseNet121四种深度卷积模型,然后采用迁移学习策略,将各个模型在PlantVillage数据上训练得到预训练模型,迁移到瓯柑病虫害识别模型中,并对比各个模型的识别性能。结果表明：（1）迁移学习能够大大提高模型的泛化能力,经过迁移学习后,4种模型在瓯柑病虫害训练集和验证集上的准确率均达到了85%以上,其中Xception迁移模型表现最好,准确率在训练集和验证集上分别为99.3%,97.1%;(2)在测试集上,Xception迁移模型的整体性能优于其他3种迁移模型,总体测试准确率达到了97.38%,精确率、召回率和F1 Score也均达到了97%以上。综上所述,Xception迁移模型识别精确率高,实用性强,可为今后瓯柑病虫害防控提供参考。     

基于k-means分割和迁移学习的番茄病理识别

针对有背景干扰的番茄病理叶片,将k-means分割与迁移学习相结合,提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别.首先对原始图像进行一系列预处理,再将处理后的图像进行k-means分割,得到叶片边缘的最小矩阵图像,之后进行去噪处理,简化突出图像特征,再根据预处理后的图像特点,优化改进迁移的VGG...     

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别,目前深度学习可以有效地解决该类问题,但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时,利用基于迁移学习的方法,把经过预训练的卷积神经网络模型进行迁移,即共享卷积层和池化层的权重参数,调整新网络模型的超参数,并建立一个包含4种共计6 360张竹片缺陷图像的数据库,把图片分成4种训练集测试集形式,即80%训练、20%测试;60%训练、40%测试;40%训练、60%测试;20%训练、80%测试,分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试,并将这3种方法作对比。最后,通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明,按照80%训练、20%测试的识别准确率最高,通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%,比普通深度学习提高了11.55% ,比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别,并且效果优于普通深度学习和 SVM 分类方法。     

基于迁移学习的棉花识别

提高智能采棉机效率的一个重要途径是实现单个、重叠和遮挡棉花的识别,避免误采摘和漏采摘。针对不同形态棉花的识别,常规的特征提取方法难以达到令人满意的结果,因而采用基于迁移学习的棉花识别方法和基于迁移模型的特征提取与极限学习机(extreme learning machine,ELM)相结合的方法进行棉花识别研究。首先更改AlexNet、GoogleNet、ResNet-50模型分类层和设置相关参数,用训练好的迁移模型对棉花验证集识别,然后利用训练好的迁移模型进行棉花数据集特征提取,再用训练集的特征训练ELM模型,统计不同隐含层神经元个数的ELM模型对棉花的识别准确率。AlexNet、GoogleNet、ResNet-50迁移模型识别率依次为92.03%、93.19%、93.68%;使用特征提取再与ELM结合的方法,准确率比对应迁移模型分别提高了1.97、1.34、1.55百分点。结果表明,迁移模型对小样本棉花识别也有较高准确率,基于特征提取与ELM相结合的方法可进一步提高准确率。     

基于改进深度卷积神经网络的水稻病虫害识别

病虫害影响水稻质量和产量,快速、准确地检测出水稻病虫害有利于及时防治。针对传统图像识别方法存在特征提取繁琐、识别率低以及对田间环境下的作物病虫害识别困难等问题,本文提出一种以DenseNet121为基础网络,结合迁移学习与坐标注意力机制的水稻病虫害识别模型。该模型引入坐标注意力学习图像特征的通道间关系和空间位置的重要性以增强模型的特征提取能力,采用迁移学习策略训练模型以缓解模型在小数据集上的过拟合现象、减小计算资源以及提升模型的识别性能。利用从田间复杂环境收集的水稻病虫害数据集,对该模型与ResNet50、Xception、InceptionV3、InceptionResNetV2及原DenseNet121等卷积神经网络模型的识别效果进行比较,结果表明,该模型能有效识别出水稻常见8种病虫害和健康植株,识别准确率达到98.95%,模型参数量仅为7.23 M,识别效果优于其他模型。这可为田间环境下的其他作物病虫害识别提供参考。     

基于深度迁移学习模型的花卉种类识别

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法。本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型。对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73%,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值。     

基于GoogLeNet和无人机图像的水稻秧苗形态识别

【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤秧和合格秧苗数据集;然后,基于GoogLeNet结构训练数据,得到最佳网络识别模型;最后,对单穴秧苗图像进行分类试验,并与传统图像分类算法(SVM、BP神经网络)进行对比。【结果】在相同样本的条件下,基于GoogLeNet的秧苗形态识别方法更快、更准确地完成了判断分类,秧苗形态识别的平均正确率为91.17%,平均耗时0.27 s;与SVM和BP神经网络相比,分类平均精度分别提高了21和13个百分点,检测时间分别缩短了1.09和0.58 s。【结论】本研究可为水稻插秧质量评价提供相关支持。     

基于迁移学习的小样本农作物病害识别

随着机器学习加速应用于各行各业,卷积神经元网络在农作物病害图片识别领域展现出良好的性能。本文针对传统卷积网络所需样本量大、训练时间长、二次学习困难等问题,实现了一种基于特征的有监督迁移学习,在Inception-V3网络的基础上,使用imageNet固化特征提取层,为目标领域设置特征分类器的方法,在每种病害仅使用20张图片的小样本基础上,实现了对8种不同病害的正确识别,总体识别率达到90.6%,并给出了进一步提升模型性能的方法,以期为小样本农作物病害图片识别提供有益参考。     

基于遥感的玉米病虫害监测

病虫害是玉米产量大幅减少的主要原因,通过遥感影像,计算归一化植被指数,可以快 速直观的发现病虫害的发生情况,以此达到监测农业病虫害的目的。本文以山东省泰安市东平 县为研究区域,进行玉米病虫害监测。     

百香果常见主要病虫害的识别和防治策略

百香果由于其特有的果实风味和营养价值而受到人们的喜爱。近年来,随着百香果的种植面积不断扩大和主栽品种抗性不强等因素,容易造成百香果受病虫害侵袭,因此本文总结提出了百香果常见病虫害的正确识别、科学合理用药的综合防治策略。     

利用生物多样性控制豇豆病虫害

利用生物多样性,将不同抗性的豇豆品种与辣椒、苦瓜、西红柿、洋姜、落葵等作物进行多样性种植,根据豇豆田间主要病虫害和天敌的发生发展情况,品种的抗性,病虫害的控制效果,天敌种类和数量的变化情况、不同组合不同栽培方式的产量效应调查,结果表明:①生物多样性种植对病虫害有明显的控制效果。对白粉病的平均控效幅度为19.82%~80.62%;对豆荚螟的控效幅度为11.11%~66.67%,红蜘蛛为21.53%~47.4%,斑潜蝇为11.5%~45.8%。②不同组合及其栽培方式的增产效果不同。增产因组合不同而不同,幅度为600~3390 kg/hm2。③天敌总数间作比净作增加30.56%.④诱导植物美菘菜和金盏菊对斑潜蝇有很好的效果,早期叶片受害率为达90%以上;美菘菜对菜青虫的效果最好,高峰期叶片受害率达100%。     

基于故障树分析法的柑橘病虫害诊断专家系统

【目的】为解决柑橘病虫害防治工作中植物保护主业知识普及不足、高效病虫害诊断手段缺乏的问题,研制一种基于故障树分析法的柑橘病虫害诊断专家系统。【方法】首先,利用故障树分析法计算病虫害发生的概率、建立病虫害知识库;其次,根据知识库以及正向推理策略设计实现专家系统的推理机;最后,利用微信开发者工具在微信小程序内搭建故障树分析法的计算规则、专家系统的推理机,构建基于故障树分析法的专家系统。【结果】建立了一种包含病虫害模块、最新资讯模块、知识库查询模块、病虫害诊断模块、用户中心模块5大功能模块的柑橘病虫害诊断专家系统。经测试,系统可以在不同型号的手机中平稳运行,占用内存的平均大小为175 MB,系统启动的平均耗时为1.0984 s,页面切换的平均耗时为0.0495 s;连续运行系统1 h,手机与服务器的连接均未出现异常。【结论】本系统运行稳定可靠、页面样式显示正常。用户通过此系统能够诊断病虫害并获得具体的防治技术,同时也能够了解专业的植物保护知识。     

广西地枫皮病虫害种类调查研究初报

随着地枫皮经济价值的不断增长,野生资源逐步枯竭,人工种植势在必行,大面积人工种植病虫害的发生与危害必然会加重,袁但病虫害方面研究未见报道。摸清野生及人工种植地枫皮病虫害的种类及其发生危害情况,可为人工种植地枫皮病虫害防治提供科学依据。调查结果表明,地枫皮的病害有4种,虫害有7种。移栽后的苗木放置不同环境对茎腐病、炭疽病的发生都有影响。     

蔬菜病虫害多媒体信息咨询系统

收集了福建省25种主要蔬菜的99种病害、50种虫害的相关资料 ,采用多媒体技术 ,模拟领域专家推理机制 ,建立了蔬菜病虫害多媒体信息咨询系统。本文讨论该系统设计的思路、系统结构和功能 ,介绍系统的特点和适用范围     

基于改进YOLOv5s模型的柑橘病虫害识别方法

针对现有检测模型不能满足在自然环境中准确识别多种类柑橘病虫害的问题,提出一种基于改进YOLOv5s模型的常见柑橘病虫害检测方法。改进模型引入ConvNeXtV2模型,构建一个CXV2模块替换YOLOv5s的C3模块,增强提取特征的多样性;添加了动态检测头DYHEAD,提高模型对不同空间尺度、不同任务目标的处理能力;采用CARAFE上采样模块,提高特征提取效率。结果显示,改进后的YOLOv5s-CDC的召回率和平均精度均值分别为81.6%、87.3%,比原模型分别提高了4.9、3.4百分点。与其他YOLO系列模型在多个场景下的检测对比,具有更高的准确率和较强的鲁棒性。结果表明,该方法可用于自然复杂环境下的柑橘病虫害的检测。     

古田县柑橘主要病虫害种类调查

对古田县柑橘病虫害发生种类及危害情况进行调查,结果表明：危害古田县柑橘的病害有8科9种,虫害有20科24种.其中,为害较重的病虫害有柑桔溃疡病和柑桔红蜘蛛;危害中等或偏重的有柑桔煤烟病、柑桔小实蝇、柑桔潜叶蛾、斜纹夜蛾、柑桔粉虱（白翅粉虱）和桔蚜;其他病虫害危害较轻或零星发生.不同品种、不同管理水平、不同地域、不同年份及不同时期病虫害发生危害有所差异.     

出口蓝莓基地病虫害调查初报

为全面了解出口蓝莓病虫害发生及为害情况,2013-2015年在贵州出口蓝莓种植基地进行系统调查。共发现为害蓝莓的病虫害20种,其中病害9种,包括生理性病害2 种, 分别是红叶病和黄叶病,侵染性病害7 种,分别是灰霉病、根腐病、白粉病、炭疽病、锈病、溃疡病和根癌病;虫害11种,分别是果蝇、金龟子（小青花金龟、铜绿丽金龟、斑喙丽金龟）、蚜虫（桃蚜、苹果黄蚜）、蝼蛄、小地老虎、叶蝉、天牛和木蠹蛾。对病虫害及其为害程度进行综合分析,确定为害严重的病虫害主要是灰霉病、金龟子和果蝇。     

平凉地区近年常见玉米病虫害及防控方法

本文针对平凉地区近年来常见玉米病虫害及防控方法进行分析,旨在解决病虫害对玉米生产的影响,从而提高玉米产量和品质。