基于深度学习的葡萄砧木叶片识别研究

作     者：潘博文 魏冰心 苏宝峰 鞠延仑 刘崇怀 樊秀彩 张颖 孙磊 姜建福 房玉林 PAN Bowen;WEI Bingxin;SU Baofeng;JU Yanlun;LIU Chonghuai;FAN Xiucai;ZHANG Ying;SUN Lei;JIANG Jianfu;FANG Yulin

作者机构：西北农林科技大学葡萄酒学院陕西杨凌712100 中国农业科学院郑州果树研究所郑州450009 西北农林科技大学机械电子与电子工程学院陕西杨凌712100 中国农业科学院中原研究中心河南新乡453424 

出 版 物：《植物遗传资源学报》 (Journal of Plant Genetic Resources)

年 卷 期：2024年第25卷第4期

页      面：668-677页

核心收录：

学科分类：09[农学] 0902[农学-园艺学] 090201[农学-果树学] 

基　　金：国家现代农业产业技术体系(CARS-29-yc-1) 国家园艺种质资源库运行服务(NHGRC2021-NH00-2) 中国农业科学院科技创新工程专项(CAAS-ASTIP-2017-ZFRI) 

主　　题：砧木 深度学习 品种识别 葡萄 叶片 

摘      要：嫁接有利于增强树体对生物及非生物胁迫的适应能力,提高葡萄产量和品质。葡萄砧木品种多样复杂,识别难度较大,深度学习能够快速提取图像的深层特征,被广泛应用于植物图像分类识别领域。本研究以30份葡萄砧木成龄叶图像作为研究对象,通过采集叶片图像,构建了一个包含13547张的葡萄砧木叶片图像的数据集。采用GoogleNet、ResNet-50、ResNet-101以及VGG-16等4个卷积神经网络对其进行自动识别。结果表明:精度最高的分类网络为ResNet-101,在最优模型参数(学习率:0.005,最小批次:32,迭代次数:50)下精度达到97.5%。ResNet-101模型检测的30个品种中,平均预测精确率为92.59%,有7个品种的预测精确率达到100%;平均召回率为91.08%,有8个品种的召回率达到100%,叶片的叶面纹理、叶脉以及叶缘部分对品种识别的影响最大。以上结果证实,深度学习网络模型可以实现对葡萄砧木的自动实时识别,为葡萄砧木品种的保护、利用、分类研究以及其他农作物的品种识别提供参考。