检索结果-南通市图书馆

江苏农业学报 2018年第3期34卷 527-532页

作者：杨晋丹杨涛苗腾朱超沈秋采彭宇飞梅珀彰党雨晴沈阳农业大学信息与电气工程学院辽宁沈阳110161

针对计算机视觉下草莓叶部白粉病病害的识别,提出了一种基于卷积神经网络的病害识别模型。首先,设计了3种网络深度(经过3、4和5次卷积操作)与3种卷积核(5×5、3×3,5×5、3×3混合)交叉组合共9种不同网络深度与卷积核尺寸的卷积神经网... 详细信息

针对计算机视觉下草莓叶部白粉病病害的识别,提出了一种基于卷积神经网络的病害识别模型。首先,设计了3种网络深度(经过3、4和5次卷积操作)与3种卷积核(5×5、3×3,5×5、3×3混合)交叉组合共9种不同网络深度与卷积核尺寸的卷积神经网络结构;其次,分别选择了4种采样层构建方法(均值池化、最大值池化、中间值池化和混合池化);最后,进行了9组训练集与测试集不同比例的模型识别。结果表明,基于混合池化的CNN-9模型(卷积核尺寸5×5,3×3;卷积神经网络深度11)表现最好,对草莓叶部白粉病病害的正确识别率达到98.61%。该方法可较好地实现草莓叶部白粉病病害的识别,且图像预处理步骤简单,易推广,可用于草莓白粉病病害的实时监测。

关键词：卷积神经网络草莓白粉病病害识别采样层构建方法

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

基于卷积神经网络的草莓叶部白粉病病害识别

基于卷积神经网络的草莓叶部白粉病病害识别

引用

作者：杨晋丹沈阳农业大学

学位级别：硕士

随着工厂化农业的发展,人工病害识别已不能满足其需要,解决农作物病害的自动识别问题迫在眉睫。草莓叶部白粉病病害识别属于农作物病害识别的一种,通过对草莓叶片图像的特征与分类,判别其病害种类。近几年来,卷积神经网络在图像识别与... 详细信息

随着工厂化农业的发展,人工病害识别已不能满足其需要,解决农作物病害的自动识别问题迫在眉睫。草莓叶部白粉病病害识别属于农作物病害识别的一种,通过对草莓叶片图像的特征与分类,判别其病害种类。近几年来,卷积神经网络在图像识别与分类上的优异表现,为农作物病害自动识别的研究提供了新的解决途径。卷积神经网络不需要人工选择特征,而是通过网络训练,自动实现特征的提取和分类。与此同时,通过引入卷积层、采样层,并发挥局部感知、权值共享两个特殊策略的作用,可以有效地降低网络的复杂度,提升网络的学习效率。本文应用卷积神经网络技术,实现对草莓叶部白粉病病害识别,主要研究工作如下:（1）草莓白粉病病害图像数据库建立。草莓叶部病害图像采集于某草莓种植研究基地,对所采集图像进行预处理后建立草莓叶部白粉病病害图像库。具体包括简单背景下的图像共3968张,复杂背景下图像共8225张。（2）基于卷积神经网络的草莓叶部白粉病病害识别模型构建与优化。首先建立草莓叶部白粉病病害识别卷积神经网络基本结构,其次设计了3种网络深度（3、4、5次卷积操作）与3种卷积核（5×5、3×3和5×5与3×3混合）,交叉组合共9种卷积神经网络结构,选择了四种采样层构建方法（均值池化、最大值池化、中间值池化和混合池化）,从网络深度、卷积核尺寸及池化方法等三个方面对模型进行优化,最终确定基于卷积神经网络的草莓叶部白粉病病害识别模型。实验结果表明基于混合池化的CNN-9（5次卷积操作、5×5与3×3混合）模型识别效果最佳,总体识别率可达98.61%。（3）图像数据库扩充方法的研究。以上述9个病害识别模型为基础,研究了两种扩充数据库的方法（图像旋转和混合扩充）在网络深度、卷积核大小以及池化方法三方面对模型识别率的影响。实验结果表明,两种扩充数据的操作方法与原始图像库相比,误差最高为1.69%,最低为0.25%。旋转扩充数据库在网络层数较少的模型上产生的误差较低,最低为0.7%;混合扩充图像库在网络层数较多的模型上产生的误差较低,最低为0.42%。两种扩充数据库的方法均在基于混合卷积核（5×5与3×3）与混合池化的模型上产生的误差较低。本文提出的基于卷积神经网络的草莓叶部白粉病病害识别方法能够高效精确地对白粉病进行识别,这对于其他作物的病害识别具有一定的借鉴意义。

关键词：卷积神经网络草莓白粉病采样层构建方法数据库扩充

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

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

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：