[1]王超,王春圻,刘金明*.基于深度学习的玉米叶片病害识别方法研究[J].现代农业研究,2022,(6):102-106.
点击复制

基于深度学习的玉米叶片病害识别方法研究
分享到:

《现代农业研究》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2022年6期
页码:
102-106
栏目:
种植与养殖
出版日期:
2022-06-14

文章信息/Info

文章编号:
2096-1073(2022)06-0102-106
作者:
王超1王春圻23刘金明34*
1.黑龙江八一农垦大学科技处; 2.黑龙江八一农垦大学食品学院; 3.黑龙江八一农垦大学国家杂粮工程技术研究中心; 4.黑龙江八一农垦大学信息与电气工程学院
关键词:
玉米病害深度学习ResNet
分类号:
S435.131
文献标志码:
A
摘要:
玉米叶片病害是造成的玉米质量差、产量低主要原因之一。为了对玉米叶片病害进行快速准确识别,提出了 基于ResNet(Residual Neural Network)深度学习网络对玉米病害识别的方法,采用ResNet 作为玉米病害识别的主体 模型,利用数据增强技术来扩充数据集,扩充后的数据集图片包括训6000 张练集和1645 张测试集,并使用预训练网络 AlexNet、GooLeNet 和ResNet 进行识别玉米叶片病害的性能对比实验,研究发现在批量尺寸为32 个和epoch 次数为16 时ResNet50 获得最高的分类准确率为92.82%,优于传统机器学习算法。

参考文献/References:

[1] 刘金菊. 临沧市玉米叶斑病种类及防治对策[J]. 南方农业, 2019,13(14):3-4.
[2] 方桃. 基于卷积神经网络的农作物叶片病害分类研究[D].合 肥:安徽大学.
[3] 张洪根. 玉米病害发生现状及防治措施[J]. 农民致富之友, 2017,02):69.
[4] 祁钊,江朝晖,杨春合,等. 基于图像技术的玉米叶部病害识 别研究[J]. 安徽农业大学学报,2016,43(02):325-30.
[5] 张开兴,吕高龙,贾浩,等. 基于图像处理和BP 神经网络的玉 米叶部病害识别[J]. 中国农机化学报,2019,40(08):122-6.
[6] G. G, J . A P. Identification of plant leaf diseases using a ninelayer deep convolutional neural network [J]. Computers & Elec trical Engineering, 2019, 76(323-38.
[7] ZHOU J, LI J, WANG C, et al. Crop disease identification and in terpretation method based on multimodal deep learning [J]. Com puters and Electronics in Agriculture, 2021, 189(3): 106408.
[8] MOSHIA M E, MZINI L L. Identification of Citrus Canker on Citrus Leaves and Fruit Surfaces in the Grove Using Deep Learn ing Neural Networks [J]. 农业科学与技术:B, 2020, 10(1): 5.
[9] JIE R, WANG Z. A Novel Deep Learning Method for Application Identification in Wireless Network [J]. 中国通信, 2018, 15(10): 81-91.
[10] 金瑛,叶飒,李洪磊. 基于ResNet-50 深度卷积网络的果树 病害智能诊断模型研究[J]. 农业图书情报学报,2021,33 (04):58-67.
[11] 丁瑞,周平. 基于卷积神经网络的典型农作物叶病害识别 算法[J]. 包装学报,2018,10(6):7.
[12] 张明. 基于计算机视觉技术的马铃薯病害识别研究[D].兰 州:甘肃农业大学,2018.
[13] 刘永波,雷波,曹艳,等. 基于深度卷积神经网络的玉米病 害识别[J]. 中国农学通报,2018,34(36):159-64.
[14] 鲍文霞,黄雪峰,胡根生,等. 基于改进卷积神经网络模型 的玉米叶部病害识别[J]. 农业工程学报,2021,37(06):160-7.
[15] 王美娟,尹飞. 卷积神经网络的多尺度改进及其在玉米病 害症状识别中的应用[J]. 河南农业大学学报,2021,55(05): 906-16.
[16] 许冠芝,王泽民,李成强. 基于深度学习的番茄叶部病害识 别模型[J]. 微处理机,2020,41(03):30-36.
[17] 杨长磊,李彩林,王佳文,等. 基于改进深度神经网络的农 作物病害识别研究[J]. 农业与技术,2021,41(06):1-3.
[18] 计雪伟,霍兴赢,薛端,等. 基于深度学习的农作物病虫害 识别方法[J]. 南方农机,2020,51(23):182-3.
[19] 李晓振. 基于深度学习的玉米病害识别研究[D].青岛:山东 科技大学,2020.

相似文献/References:

[1]尹丽华.基于深度学习的温室鲜枣成熟度检测模型研究[J].现代农业研究,2024,30(1):105.

备注/Memo

备注/Memo:
基金项目:黑龙江八一农垦大学学成、引进人才科研启动计划(XDB202006)。
作者简介:王超(1995-),男,黑龙江佳木斯人,硕士研究生,研究方向:生物质能源转化及检测。
*通讯作者:刘金明(1980-),男,教授,研究方向:农业高维数据分析与处理。
更新日期/Last Update: 2022-06-15