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 |
|
|