| 基于计算机视觉的作物病害监测服务平台设计与研究 |
| |
| 引用本文： | 林开颜,梅飞,吴军辉,郭文刚,陈杰,司慧萍.基于计算机视觉的作物病害监测服务平台设计与研究[J].中国农业科技导报,2023(6):89-96. |
| |
| 作者姓名： | 林开颜 梅飞 吴军辉 郭文刚 陈杰 司慧萍 |
| |
| 作者单位： | 同济大学现代农业科学与工程研究院 |
| |
| 基金项目： | 国家重点研发计划项目（2020YFD1100603）； |
| |
| 摘 要： | 病害是威胁作物生长的主要因素，其特征复杂、变化多样。农业从业人员如缺乏专业知识，往往难以准确识别。以往图像识别方法常针对单一作物，图像分割后提取病害特征进行识别，无法适应多种作物。针对此问题，以水稻、番茄、柑橘、苹果为研究对象，以ResNet模型为基础构建深度学习网络框架，设计了含Squeeze-and-Excitation(SE)模块全新的全连接层，导入在ImageNet上预训练的权重，并在病害数据集上训练得到病害模型。为扩充图像数据，对训练集原图进行了亮度增减、随机旋转与镜面翻转等操作。基于扩充后的训练集进行病害识别和病害程度的分级研究。结果表明，对水稻、番茄、柑橘、苹果平均病害程度识别的准确率为94.16%，平均病害种类识别的准确率为92.45%；并利用训练好的模型基于c#.net core开发了病害监测平台，可实现作物病害的智能识别。
|
| 关 键 词： | 深度学习 病害识别 ResNet 迁移学习 |
|
|
