一种植物病害图像识别卷积网络架构   总被引：1，自引：0，他引：1  

吴云志  刘翱宇  朱小宁  刘晨曦  范国华  乐毅  张友华 《安徽农业大学学报》2021,48(1):150-156

针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-DenseNet,旨在对多种类的植物病害图像达到高精准的识别准确率.引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本.FI-DenseNet网络可以增强特征传递、进行深层训练或有效改善过拟合问题.采用的数据集有87 867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害.对图像进行预处理、数据增强后,将DenseNet169网络、ResNet50网络和MobileNet网络作为参照实验.实验结果表明,FI-DenseNet网络的收敛速度更快且识别准确率最高,测试集识别准确率为98.97％,FI-DenseNet网络的鲁棒性和泛化能力均优于对照网络,可为植物病害智能诊断提供参考.  相似文献   

湖泊富营养化综合评价模糊神经网络专家系统的研究   总被引：6，自引：1，他引：6  

吴利斌  尚士友  乌云塔娜  冯海全  金敏 《内蒙古农业大学学报(自然科学版)》2002,23(3):80-84

在综合评价体系结构基础上，应用模糊神经网络技术，建立了1个湖泊富营养化综合评价模糊神经网络专家系统，该专家系统易于表达模糊知识，其知识获取和存储方式与普通专家系统不同，具有较高的推理效率，较强的容错、自适应和自我更新能力。  相似文献   

汉中地区小麦条锈病的BP神经网络预测   总被引：21，自引：0，他引：21  

胡小平  杨之为  李振岐  邓志勇  柯长华 《西北农业学报》2000,9(3):28-31

人工神经网络具有对非线笥系统预测的重要特性,其跟踪性能好,适用面广,收敛速度快,容错能力强。本研究利用陕西汉中地区１９７４～１９９７年的病情、菌量、品种和气象资料,采用逐步回归法选择了影响汉中小麦条锈病流行的主要因子,即春季菌量、秋季菌量、感病品种面积比例、４月份卫雨量和４月份平均温度,并将其作为ＢＰ神经网络预测模型的输入,用１９７４～１９９３年的资料进行网络训练,对１９９４～１９９７年小麦条锈病  相似文献   

基于遥感信息估测森林的生物量   总被引：39，自引：2，他引：39  

国庆喜  张锋 《东北林业大学学报》2003,31(2):13-16

采用小兴安岭南坡TM图像和232块森林资源一类清查样地数据构建多元回归方程和神经网络模型，用以估测该地区森林生物量，选取环境因子，生物因子和遥感信息在内的13个自变量计算出回归方程的R^2=0．7125，并通过了相关检验，在对独立样地估测中，人工神经网络模型估测的平均精度为90．61％，基于回归方程估测有助于阐明森林生物量与遥感信息之间的内在机理；神经网络技术使高精度估测成为可能。  相似文献   

基于Clementine的计算机状态监测研究     

夏日  白雪 《长江大学学报》2015,(1):44-48

数据挖掘技术中的神经网络和C5.0可以用于构建监督和预测的模型。将神经网络和C5.0模型运用于监测计算机的状态信息及识别和预测相关的故障状态。基于Clementine环境,通过采集状态已知情形下的计算机状态数据,作为训练样本来建立神经网络模型和C5.0规则模型,利用另外的实测数据进行检验。结果表明,神经网络的预测正确率是99.64%,而C5.0模型的预测正确率为99.68%,两者预测结果的一致性为99.81%。此外,C5.0模型预测结果的准确性要比神经网络预测结果的准确性高。  相似文献   

优化BP神经网络算法在油茶产量预测中的应用     

温雪岩  李鹏程  陈家男  朱泳  吴晓峰 《东北林业大学学报》2016,(10):56-60

针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。  相似文献   

基于深度学习和支持向量机的4种苜蓿叶部病害图像识别   总被引：1，自引：2，他引：1  

秦丰  刘东霞  孙炳达  阮柳  马占鸿  王海光 《中国农业大学学报》2017,22(7):123-133

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。  相似文献   

基于ROI-CNN的赛罕乌拉国家级自然保护区陆生野生动物自动识别     

刘文定  李安琪  张军国  谢将剑  鲍伟东 《北京林业大学学报》2018,40(8):123-131

目的利用红外自动感应相机对野生动物进行图像监测是对野生动物保护管理的有效手段,为了解决野外复杂背景环境导致的野生动物监测图像自动识别准确率低的问题,提出一种基于感兴趣区域(ROI)与卷积神经网络(CNN)的野生动物物种自动识别方法。方法以红外自动感应相机在内蒙古赛罕乌拉国家自然保护区内拍摄的马鹿、斑羚、猞猁、狍和野猪这5种国家级陆生保护动物的图像为实验样本,采用基于回归算法的目标检测方法,对监测图像中野生动物区域进行检测并分割,生成ROI图像,减少复杂背景信息对物种识别的干扰;利用裁剪、仿射变换等方式对样本数据进行扩充;构建基于全局-局部的VGG16双通道网络模型对样本图像进行训练,最后接入分类器输出物种识别结果。同时,构建了基于VGG19的双通道网络模型对样本图像进行训练,并与本研究训练结果进行比较;另外,将样本图像分别输入本研究算法与VGG16、R-CNN、Fast R-CNN算法进行训练,对比不同算法下的识别效果。结果利用本研究模型对样本图像进行训练时,测试集的平均识别精度均值MAP达到0.912,相对于VGG19结构下的训练模型和VGG16、R-CNN、Fast R-CNN,得到了更高的MAP值。结论相比于其他算法,本研究提出的物种识别模型更适合于复杂背景下的野生动物监测图像的物种识别,可以得到更高的MAP值与更优的识别效果。   相似文献   

基于全卷积神经网络的荔枝表皮缺陷提取   总被引：1，自引：1，他引：1  

王佳盛  陈燕  曾泽钦  李嘉威  刘威威  邹湘军 《华南农业大学学报》2018,39(6):104-110

【目的】增强荔枝表皮缺陷提取效果,满足其品质检测分级准确性要求。【方法】采用Tensorflow框架构建基于AlexNet的全卷积神经网络AlexNet-FCN,以ReLU为激活函数,Max-pooling为下采样方法,Softmax回归分类器的损失函数作为优化目标,建立荔枝表皮缺陷提取的全卷积神经网络模型,并用批量随机梯度下降法对模型进行优化。【结果】模型收敛后在验证集上裂果交并比(IoUd)为0.83,褐变交并比(IoUb)为0.60,褐变与裂果的总体交并比(IoUa)为0.68;与利用线性SVM、朴素贝叶斯分类器缺陷提取效果相比,该模型的特征提取能力显著提高。【结论】全卷积神经网络在水果表面缺陷提取中具有良好的应用前景。  相似文献   

基于互信息特征提取的食品安全信息新词识别     

马强  路阳  李菲 《黑龙江八一农垦大学学报》2021,33(2):73-79

新词识别是食品安全信息处理中的一个难点,新词是造成分词错误的重要原因.利用互信息提取新词特征并采用BP神经网络过滤垃圾词串以识别新词,以提高食品安全文本分词准确率.首先在互信息新词识别基础上,得到候选新词的多个统计量特征.然后对候选字串是否成词进行人工标记.最后将统计量特征和人工标记的新词作为训练样本,建立BP神经网络...  相似文献