基于深度学习的病害识别方法研究 |
| |
引用本文: | 王君婵,洪俐,朱少龙,刘涛,吴旭江,王慧,孙成明.基于深度学习的病害识别方法研究[J].农业展望,2023(8):90-99. |
| |
作者姓名: | 王君婵 洪俐 朱少龙 刘涛 吴旭江 王慧 孙成明 |
| |
作者单位: | 1. 江苏里下河地区农业科学研究所/农业农村部长江中下游小麦生物学与遗传育种重点实验室;2. 江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院;3. 江苏省粮食作物现代产业技术协同创新中心/扬州大学 |
| |
摘 要: | 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。
|
关 键 词: | 病害识别 图像 深度学习 模型 预测 U-Net++ |
|
|