科研产出
基于U-Net的玉米叶部病斑分割算法
《中国农学通报 》 2021 CSCD
摘要：本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%,叶片分割MIoU值达到96.33%,且运算速度均在1秒内完成。试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性。该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标。
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
