检索结果-南通市图书馆

基于轻量级网络自适应特征提取的番茄病害识别

在线全文

学校读者我要写书评

暂无评论

江苏农业学报 2022年第3期38卷 696-705页

作者：胡玲艳周婷刘艳许巍盖荣丽李晓梅裴悦琨汪祖民大连大学信息工程学院辽宁大连116622

为了实现番茄病害的精准识别,本研究提出一种轻量级网络自适应特征提取方法。该方法首先对图片进行正形处理,然后基于SqueezeNet模型构建轻量级网络模型GKFENet。GKFENet模型包含全局特征提取和关键特征提取2个模块,其中全局特征提取模... 详细信息

为了实现番茄病害的精准识别,本研究提出一种轻量级网络自适应特征提取方法。该方法首先对图片进行正形处理,然后基于SqueezeNet模型构建轻量级网络模型GKFENet。GKFENet模型包含全局特征提取和关键特征提取2个模块,其中全局特征提取模块逐层提取番茄病害叶片的全局特征,关键特征提取模块通过学习评估出特征图各通道的重要程度,计算出权重值,最后将该值加权到原特征图上,从而实现病害关键特征的自适应提取。结果显示,正形机制有助于神经网络学习特征,本研究构建的GKFENet模型的平均识别准确率为97.90%,模型大小仅为2.64 MB,且在强噪声环境下,其识别准确率仍能保持在78.00%以上。GKFENet模型在训练过程中相对稳定,对8种番茄病害的识别准确率均超过96.00%。相比Bayes、KNN、LeNet、SqueezeNet、MobileNet模型,本研究构建的GKFENet模型的识别精度高,稳定性强且占用内存小,对于移动端未来的应用具有较高的实际价值。

关键词：轻量级网络正形机制特征提取番茄病害识别

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于多尺度和注意力机制的番茄病害识别方法

浙江农业学报 2021年第7期33卷 1329-1338页

作者：张宁吴华瑞韩笑缪祎晟北京农学院计算机与信息工程学院北京102206 国家农业信息化工程技术研究中心北京100097 北京农业信息技术研究中心北京100097 农业农村部农业信息技术重点实验室北京100097

番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以Incepti... 详细信息

番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以InceptionV3为主干网络,结合多尺度卷积和注意力机制CBAM(convolutional block attention module,CBAM)模块,增强了病害信息表达并抑制无关信息干扰;同时引入迁移学习,防止样本数据量较少时出现过拟合的情况。为了评价优化模型的有效性,在Plant Village公开番茄病害数据集上进行了实验仿真测试。改进的模型在测试阶段对番茄健康叶片、细菌性斑疹病、晚疫病、叶霉病和黄曲病5种番茄常见叶片图像分类准确率达到98.4%,优化效果显著。为了进一步验证该方法在不同物联网中的普适性,实验对比了模型对不同分辨率病害图像的分类效果,结果表明,图像精度部分损失不会降低病害分类准确率。该模型能够为番茄温室智能网络决策判断提供重要依据。

关键词：番茄多尺度卷积注意力机制迁移学习病害识别

同方期刊数据库

基于深度迁移学习的EfficientNet玉米叶部病害识别

在线全文

学校读者我要写书评

暂无评论

东北农业大学学报 2023年第5期54卷 66-76页

作者：王大庆禄琳于兴龙耿丽丽任志鹏黑龙江省农垦经济研究所哈尔滨150030 黑龙江省农垦科学院哈尔滨150030 二道河农场黑龙江佳木斯154000

灰斑病、锈病和大斑病给玉米产业造成巨大经济损失,精准诊断可降低其对农业发展的不良影响。文章基于深度迁移学习理论提出一种两阶段迁移学习的EfficientNet模型,解决识别复杂背景玉米叶部病害过程中出现的域迁移和小样本问题。经Image... 详细信息

灰斑病、锈病和大斑病给玉米产业造成巨大经济损失,精准诊断可降低其对农业发展的不良影响。文章基于深度迁移学习理论提出一种两阶段迁移学习的EfficientNet模型,解决识别复杂背景玉米叶部病害过程中出现的域迁移和小样本问题。经ImageNet至Plant Village及Plant Village至本地数据集(Localdataset)的两阶段迁移学习后,微调的EfficientNet模型与先进的深度网络模型在预留的玉米病叶数据集上进行预测。两阶段迁移学习试验表明,EfficientNet B4模型性能最优。第一阶段和第二阶段B4模型准确率分别达到98.61%和99.10%,F1分数达到0.9840和0.9908,此外B4模型参数量比先进深层卷积神经网络少。B0模型参数量对标轻量级卷积神经网络,识别效果优于两种经典MobileNet结构,更适合移动端搭载。此外,训练过程中应用Mish激活函数可提升模型性能。经两阶段迁移学习的EfficientNet有效解决训练不充分和域迁移等问题,为田间复杂背景下玉米叶部病害识别提供应用实例,为智慧农业移动设备开发提供理论基础。

关键词：卷积神经网络迁移学习玉米叶片病害识别 EfficientNet

基于渐进式学习和增强原型度量的小样本农作物病害识别方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第12期55卷 344-353页

作者：杜海顺安文昊张春海周毅河南大学人工智能学院河南省车联网协同技术国际联合实验室

为了开展低成本、通用、灵活的农作物病害识别,提出了一种基于渐进式学习和增强原型度量的小样本农作物病害识别网络(Few-shot crop disease recognition network based on progressive learning and enhanced prototype metric,FPE-Net)。首先,利用设计的增强原型度量模块,计算能够准确表示类别中心的增强原型,并充分利用增强原型中的丰富类别信息对农作物病害进行识别;其次,采用设计的渐进式学习策略对模型进行训练,以帮助模型更好地适应农作物病害识别任务,提升模型小样本农作物病害识别精度。在自制小样本农作物病害数据集FSCD-Base、FSCD-Complex以及FSCD-Base到FSCD-Complex的跨域设置上,FPE-Net的5-way 1-shot平均识别准确率分别达到70.65%、53.47%和49.58%,5-way 5-shot平均识别准确率分别达到83.02%、66.15%和64.21%。实验结果表明,本文提出的FPE-Net明显优于其他小样本农作物病害识别模型,在训练样本不足的情况下能够更准确识别农作物病害。

关键词：农作物病害识别小样本学习渐进式学习策略增强原型度量

基于MobileNet V2和迁移学习的番茄病害识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

江苏农业科学 2023年第9期51卷 215-221页

作者：王哲豪范丽丽何前武汉轻工大学(金银湖校区) 湖北武汉430048

番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、... 详细信息

番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别,首先将数据集按照9∶1的比例分为训练集和验证集,对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型,然后在模型最后加上2层全连接层并用Dropout层防止过拟合,接着通过Softmax层输出实现对番茄病害图像分类识别,最后利用验证集来统计模型的准确率和损失值。其中,冻结部分卷积层准确率最高,达到93.67%。另外,通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间,其中迁移学习的MobileNet V2模型的准确率最高,运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳,速度较快,为在移动设备实时对番茄病害识别提供了技术支持。

关键词： MobileNet V2 迁移学习病害识别番茄

维普期刊数据库博看期刊

基于改进MobileNet v3的苹果叶片病害识别研究

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第12期52卷 224-231页

作者：李豫晋沈陆明何少芳余文强滕明洪湖南农业大学湖南长沙410125

为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集... 详细信息

为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集;然后在MobileNet v3网络核心倒残差结构的升维部分引入全维动态卷积,以加强对不同维度注意力权重的学习,从而增强网络的拟合能力;最后在降维部分引入修改后的ConvNext Block模块,减少信息损失并增加全局感受野。采用PyTorch作为分类网络的深度学习框架,使用交叉熵损失函数作为分类任务的损失函数,Adam作为优化器,通过多组对比试验可知,MobileNet v1、MobileNet v2、ResNet34、MobileNet v3以及改进后的MobileNet v3 ODConvNext网络的准确率分别为94.5%、95.7%、97.2%、96.9%及97.5%。可见,MobileNet v3 ODConvNet网络拥有最高的Top-1准确率,相较于MobileNet v3网络和结构更为复杂的ResNet34网络分别提升了0.6、0.3百分点;在运算频率方面,相对于MobileNet v3网络仅增加了1.00×10^(6)次/s,并且仅为ResNet34网络参数量的11.84%。因此,该试验结果证明了改进后的MobileNet v3 ODConvNext模型具有更加轻量级和更高准确率的优点,满足在移动端真实场景下进行苹果叶片病害识别的要求,有助于苹果叶片病害的防治工作。

关键词：苹果叶片病害识别 MobileNet v3 全维动态卷积 ConvNext 深度学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于图像的水稻病害识别方法研究

中国水稻科学 2010年第5期24卷 497-502页

作者：管泽鑫唐健杨保军周营烽范德耀姚青浙江理工大学信息电子学院浙江杭州310018 中国水稻研究所浙江杭州310006

利用图像处理技术和贝叶斯判别法对水稻3种常见病害进行识别研究。首先,利用颜色特征与病斑外轮廓分割病斑,提取病斑形态、颜色、纹理特征共63个参数;然后,应用逐步判别分析法对4个不同参数集合筛选最有效识别参数;最后,利用贝叶斯判别... 详细信息

利用图像处理技术和贝叶斯判别法对水稻3种常见病害进行识别研究。首先,利用颜色特征与病斑外轮廓分割病斑,提取病斑形态、颜色、纹理特征共63个参数;然后,应用逐步判别分析法对4个不同参数集合筛选最有效识别参数;最后,利用贝叶斯判别法进行分类识别。结果表明,逐步判别法最多可使参数减少到原来的35.2%,识别准确率最高为97.2%。该方法可以应用于其他农作物病害识别。

关键词：水稻病害识别图像处理逐步判别分析贝叶斯判别法

基于改进Inception网络的复杂环境下小样本黄瓜叶片病害识别

在线全文

学校读者我要写书评

暂无评论

华中农业大学学报 2023年第3期42卷 152-160页

作者：满超饶元张敬尧乔焰王胜和安徽农业大学信息与计算机学院合肥230036 安徽省公安教育研究院合肥230031 合肥工业大学计算机与信息学院合肥230601

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题,将自注意力机制模块引入激活重建生成对抗网络(activation reconstruction GAN,AR-GAN),采用Smooth L_(1)正则化作为损失函数,设计改进激活重建生... 详细信息

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题,将自注意力机制模块引入激活重建生成对抗网络(activation reconstruction GAN,AR-GAN),采用Smooth L_(1)正则化作为损失函数,设计改进激活重建生成对抗网络IAR-GAN(improved AR-GAN)增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积,设计空洞和形变卷积神经网络(dilated and deformable convolutional neural network,DDCNN)用于黄瓜叶片病害识别。试验结果显示,提出的IAR-GAN有效缓解了过拟合现象,丰富了生成样本的多样性;所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上,比Inception-V3模型提高了9个百分点。以上结果表明,本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。

关键词：病害识别小样本生成对抗网络深度卷积神经网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

探地雷达在路面厚度测量及病害识别中的应用

公路交通科技（应用技术版） 2020年第6期16卷 98-100页

作者：李定傧张桂铭罗平张宇黄成帮玉溪公路局云南玉溪653101 云南省公路科学技术研究院云南昆明650000

可靠地评定路面技术状况是有效进行道路养护管理的重要前提,探地雷达作为无损检测技术的一种,通过剖析其工作原理以及数据、图像影响因素,对探地雷达应用于路面层厚度测量以及典型病害识别进行了分析。探地雷达识别度和检测效率高,检测... 详细信息

可靠地评定路面技术状况是有效进行道路养护管理的重要前提,探地雷达作为无损检测技术的一种,通过剖析其工作原理以及数据、图像影响因素,对探地雷达应用于路面层厚度测量以及典型病害识别进行了分析。探地雷达识别度和检测效率高,检测结果可靠,在道路管理中优势显著,具有很好的应用价值。

关键词：探地雷达厚度测量病害识别