检索结果-南通市图书馆

湖北农业科学 2020年第7期59卷 199-203页

作者：孔德锋湖北工业大学电气与电子工程学院武汉430070

针对当前番茄病害智能识别精度不高、耗时长的问题,提出一种基于Inception-v3和迁移学习相结合的图像分类算法。从试验田中收集8种番茄病害叶片和健康叶片,运用1000万像素高清扫描仪统一扫描成图像,将图像归类到9种文件夹中,手动标记叶... 详细信息

针对当前番茄病害智能识别精度不高、耗时长的问题,提出一种基于Inception-v3和迁移学习相结合的图像分类算法。从试验田中收集8种番茄病害叶片和健康叶片,运用1000万像素高清扫描仪统一扫描成图像,将图像归类到9种文件夹中,手动标记叶片属性。最后,基于Inception-v3模型结合迁移学习算法对健康和病害叶片进行分类试验,并与传统图像分类算法(KNN、SVM、BP神经网络)和非迁移学习算法进行对比。结果表明,基于Inception-v3模型结合迁移学习算法,在番茄病害图像分类中能够快速有效识别分类生长健康番茄和患病番茄,并且能高效识别番茄病害的种类。其中健康置信度达0.9760,病害种类平均置信度达0.9297,可为番茄病害检测和防治提供支持。

关键词：图像分类迁移学习番茄病害检测 Inception-v3

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合多尺度特征的遮挡番茄病害图像识别研究

引用

中国农机化学报 2024年第7期45卷 194-200页

作者：黄晓宇张聪陈晓玲武汉轻工大学数学与计算机学院武汉市430023 武汉轻工大学电气与电子工程学院武汉市430023

针对复杂环境下因叶片重叠遮挡以及目标较小等原因而导致番茄病害识别准确率较低的问题,提出一种多尺度级联模型(IMS-Cascade)。该模型以级联神经网络(Cascade R-CNN)为基础,在主干网络中引入融合上下文信息的可切换空洞卷积,使用复杂... 详细信息

针对复杂环境下因叶片重叠遮挡以及目标较小等原因而导致番茄病害识别准确率较低的问题,提出一种多尺度级联模型(IMS-Cascade)。该模型以级联神经网络(Cascade R-CNN)为基础,在主干网络中引入融合上下文信息的可切换空洞卷积,使用复杂的多尺度卷积核提取目标特征,解决同种病害因叶片遮挡而形状差异较大的问题,并在特征融合网络中添加反馈连接模块,使模型可以进行多次的特征提取,提高浅层信息的利用率。最后在损失函数上增大准确样本的梯度,降低异常样本对模型的影响。将该模型用于Plant Village公开发表的部分番茄叶病害数据集上,mAP达到89.1%,平均准确率达到99.36%,分别比原始Cascade R-CNN模型提高2.5%和1.84%,具有更高检测精度,有利于复杂环境下的番茄病害检测。

关键词：番茄病害检测反馈连接特征金字塔网络空洞卷积多尺度

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合下的番茄病害识别研究

多尺度特征融合下的番茄病害识别研究

引用

作者：黄晓宇武汉轻工大学

学位级别：硕士

在传统的番茄病害识别中,因病害的种类繁多,往往需要专业人员进行判断,但是人工识别耗时又耗力,也容易出现病害种类误判的现象。随着计算机视觉与神经网络的快速发展,目标检测技术也取得了重大突破,能够在准确识别目标物体位置信息的同... 详细信息

在传统的番茄病害识别中,因病害的种类繁多,往往需要专业人员进行判断,但是人工识别耗时又耗力,也容易出现病害种类误判的现象。随着计算机视觉与神经网络的快速发展,目标检测技术也取得了重大突破,能够在准确识别目标物体位置信息的同时判断出目标物体的类别,因此正逐步应用于农作物的病害检测。本文也将针对目标检测模型下的小目标番茄病害识别进行研究,根据番茄病害中阴影遮挡、形状差异较大、小目标物体较多的特点,对模型进行相应的改进,降低目标检测任务中易发生的错检、漏检等问题对模型的影响,提高模型的识别精度。本文主要的研究工作如下:(1)选取了四种常用的目标检测模型:Faster RCNN、Cascade RCNN、SSD、Retina Net,在相同的实验环境下,比较这四种模型在同一番茄叶病害数据集上的检测效果,对比结果选出检测性能最优的目标检测模型。(2)针对番茄病害数据集中同类病害在同一番茄叶片上形状大小差异较大的问题,对最优目标检测模型的特征提取网络进行改进。引入可切换空洞卷积,对于相同的输入特征使用多个不同大小空洞率的空洞卷积进行提取,能够更好地检测出同一种不同尺度的物体,达到获取多尺度信息的目的。并添加融合上下文信息的全局模块,提高特征提取的准确率。(3)针对目标检测模型在特征提取过程中容易忽略小目标特征的重要性,同时在番茄病害数据集中因叶片卷曲遮挡等因素而导致小目标物体较多的问题,对检测性能最优的目标检测模型的特征融合网络进行改进,在特征金字塔网络中添加了反馈机制,达到融合各阶段语义信息的目的,从而弥补了浅层特征语义抽象不足的问题,提高对于小目标以及遮挡目标的检测性能。针对部分番茄叶片上病区颜色与地面颜色较为相近而导致错检的问题,对最优目标检测模型的损失函数进行改进,增大准确样本的重要程度,降低异常样本对模型的影响。最后将以上改进点相结合,提出了一种IMS-Cascade模型,将其应用在番茄病害数据集上,并通过消融实验,验证每一个改进点的有效性,结果均符合预期,m AP值较最优目标检测模型Cascade RCNN提高了2.5%,平均准确率提高了1.84%,由此可推出本文针对小目标番茄病害识别的研究具有较高的检测精度。

关键词：番茄病害检测目标检测模型反馈连接特征金字塔网络空洞卷积多尺度特征融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：