基于卷积神经网络深度特征融合的番茄叶片病害检测

文献类型： 中文期刊

第一作者： 杜忠康

作者： 杜忠康;房胜;李哲;郑纪业

作者机构：

关键词： 病害检测;特征融合;典型相关分析;LDA降维;卷积神经网络

期刊名称： 中国科技论文

ISSN：

年卷期： 2021 年 007 期

页码： 701-707

收录情况： 北大核心

摘要： 为提高对叶片病害的识别性能和速度,针对传统手工设计特征识别能力有限的问题,提出了一种基于卷积神经网络（convolutional neural networks, CNN）深度特征融合的植物叶片病害检测方法。首先自动提取不同深度神经网络模型的深度特征,利用典型相关分析（canonical correlation analysis, CCA）进行特征融合,增加特征空间的丰富性和鲁棒性;然后与线性判别分析（linear discriminant analysis, LDA）降维算法相结合,利用LDA最大化类间距离,弥补CCA算法的弱点;最终得到精练良好的植物叶片特征表示。对最终得到的特征进行支持向量机（support vector machine, SVM）分类,在10类番茄叶片数据集上的分类准确率达98.7%,识别速度达30张/s。相比利用GoogleNet深度学习模型和深度特征级联融合分类,准确率分别提高了4%与1%;与使用CCA融合相比分类准确率下降了0.1%,但其识别速度远远高于CCA融合。对比实验表明,所提算法在去除特征冗余的同时较好地保留了相关特征信息,能快速而准确地对番茄叶片进行检测。

分类号： TP183%TP391.41%S436.412.1

  • 相关文献

[1]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[2]胶体金免疫层析快速检测技术及其在水产养殖业中的应用前景. 王蔚芳,李青梅,郭军庆,雷霁霖. 2010

[3]槟榔黄化植原体TaqMan探针实时荧光定量PCR检测方法的建立. 林兆威,孟秀利,唐庆华,牛晓庆,宋薇薇. 2024

[4]五种烟草根茎病害病原菌多重PCR检测方法的建立与应用. 李小杰,张梦丹,刘畅,苗圃,白静科,邱睿,陈玉国,刘剑君,李淑君. 2024

[5]基于YOLOX的穴盘甘蓝病害检测方法. 马驰,吴华瑞,于会山. 2023

[6]农业主要病害检测与预警技术研究进展分析. 王翔宇,温皓杰,李鑫星,傅泽田,吕雄杰,张领先. 2016

[7]红外热成像技术在作物胁迫检测方面的应用. 李真,史智兴,王成,宋鹏,陈子龙,罗斌,张云丽. 2016

[8]复杂环境下改进YOLOX的设施黄瓜病害检测方法. 魏明飞,郭威,朱华吉,缪祎晟,吴华瑞. 2025

[9]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[10]基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法. 徐赛,张倩倩. 2020

[11]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2023

[12]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[13]基于多特征融合和稀疏表示的农业害虫图像识别方法. 张永玲,姜梦洲,俞佩仕,姚青,杨保军,唐健. 2018

[14]无人机多光谱影像的小麦倒伏信息多特征融合检测研究. 朱文静,冯展康,戴世元,张平平,嵇文,王爱臣,魏新华. 2024

[15]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[16]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

[17]基于多光谱成像技术的小麦品种快速无损鉴定. 许学,马卉,王钰,刘伟,杨剑波,汪秀峰. 2019

[18]基于深度特征局部重采样融合的多种类水稻种子识别. 张长胜,李得恺,杨忠义,王蒙,张付杰,张庭源. 2025

[19]高产杂交棉数量性状组间的多元统计分析. 曹雯梅,王振宇,杨青华,刘松涛,赵威. 2011

[20]大麦耐盐性与其主要性状典型相关分析. 王军,张灿宏,迟铭,梁长东,陈坚健,徐大勇. 2011

作者其他论文 更多>>

微信小程序