科研产出
基于卷积神经网络的家蚕病害识别研究
《中国农机化学报 》 2022 北大核心
摘要：病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。
全文链接
请求原文
基于卷积神经网络的家蚕幼虫品种智能识别研究
《西南大学学报(自然科学版) 》 2020 北大核心 CSCD
摘要：不同品种的家蚕混杂会对杂交育种产生不利影响,针对人眼识别家蚕幼虫品种存在主观性强和可靠性低的问题,提出利用卷积神经网络进行家蚕幼虫品种识别研究.具体做法是:首先,在真实养蚕环境下,选择10个家蚕品种为研究对象,分别在其幼虫生长的4龄第3 d和5龄第3 d进行图像采集,构建了2个图像数量分别为5000张的幼虫品种图像数据集.其次,采用轻量级卷积神经网络MobileNet对10种家蚕幼虫图像进行了识别试验,在测试集上的识别准确率分别为98.9%和96%.最后,为了验证研究训练出的权重适宜于进行家蚕幼虫品种识别,使用迁移学习方法对另外5个家蚕品种的幼虫图像进行了模型训练,结果显示:在图像数量较少时,使用预训练权重的网络在稳定性上更佳,优于不使用预训练权重文件的网络.研究证实了卷积神经网络能够对不同品种的家蚕幼虫图像实现准确高效识别,并且用到的所有的图像都来自于真实养蚕环境,训练的模型具有较好的应用能力,可为开发家蚕幼虫品种识别应用软件提供参考.
关键词： 家蚕幼虫 品种识别 卷积神经网络 MobileNet 深度学习
全文链接
请求原文
基于U-Net的甘蔗提取方法
《中国农业信息 》 2019
摘要：【目的】基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法。【方法】以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度。【结果】(1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76%和0.848 0,面积总精度为94.41%;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10%、0.922 1和88.42%、0.767 3;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象。【结论】基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证。
全文链接
请求原文
基于深度卷积神经网络的玉米病害识别
《中国农学通报 》 2018
摘要：为了提高玉米病害的识别率,本文提出了一种在自然环境条件下基于深度卷积神经网络的玉米病害识别方法。该方法以玉米常见的10类病害为研究对象。算法模型是先将图像预处理,应用Triplet loss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,最后通过Softmax对图像进行标签分类。训练集采用正常玉米图像与玉米病害图像相结合的方式,使用深度相似性网络学习正常玉米图像特征表示,再使用迁移学习方法学习玉米病害图像的特征,最后对特征进行分类识别。研究结果表明:该方法可准确识别10种常见玉米病害,正确率可达90%以上,为玉米病害的防治提供了有效的技术支持。
关键词： 玉米病害 算法 识别 深度学习 卷积神经网络 图像处理
全文链接
请求原文
首页上一页1下一页尾页
