基于深度学习的水稻稻曲病图像识别与分级鉴定

文献类型： 中文期刊

第一作者： 伏荣桃

作者： 伏荣桃;王剑;陈诚;李洪浩;赵黎宇;卢代华

作者机构：

关键词： 稻曲病;深度学习;目标检测;Yolov5

期刊名称： 四川农业科技

ISSN： 1004-1028

年卷期： 2022 年 010 期

页码： 35-40

摘要： 【目的】为了实现田间复杂背景下水稻稻曲病的智能识别与病情分级鉴定，本研究提出了一种基于深度学习的水稻稻曲病图像识别和分级鉴定的方法。【方法】在水稻田间采集不同背景下的水稻稻曲病图像412张，对图像数据集进行人工标注，然后将其图像数据集划分为训练集和测试集。用Yolov5算法对图像数据集中的训练集进行模型训练，以准确率（Precision）、召回率（Recall）和平均准确率（mean Average Precision, mAP）作为评价标准；再用训练好的模型检测测试集中稻曲病图像中的目标。【结果】试验表明，准确率、召回率的值靠近坐标轴（1, 1）位置，mAP的值为0.995;目标检测的平均准确率都在0.89以上，且该模型可根据单穗稻曲病病粒数的识别来判定稻曲病病情级别。【结论】基于深度学习的Yolov5模型可以识别水稻稻曲病图像和病情级别鉴定，为开发水稻稻曲病的智能化识别系统奠定了基础。

分类号： S435.111.4%TP18%TP391.41

  • 相关文献

[1]基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法. 李明,丁智欢,赵靖暄,陈思铭,李文勇,杨信廷. 2023

[2]基于深度学习的枸杞病虫害识别研究. 李季,杨淑婷,张学俭,周慧,冶鑫,梁爱银. 2024

[3]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[4]基于YOLOv5改进模型的丁香鱼围网作业目标检测研究. 张佳泽,张胜茂,樊伟,唐峰华,杨胜龙,孙永文,王书献,刘洋,朱文斌. 2023

[5]基于级联视觉检测的樱桃番茄自动采收系统设计与试验. 李兴旭,陈雯柏,王一群,杨顺,吴华瑞,赵春江. 2023

[6]基于YOLOv5模型的仔猪社交识别方法研究. 冯兴尧,王海峰,朱君,孙想,邱阳,李斌. 2024

[7]改进YOLOv5测量田间小麦单位面积穗数. 黄硕,周亚男,王起帆,张晗,邱朝阳,康凯,罗斌. 2022

[8]基于YOLOv5的小麦种子发芽检测方法研究. 白卫卫,赵雪妮,罗斌,赵薇,黄硕,张晗. 2023

[9]基于改进YOLOv5l的设施番茄3D信息检测方法. 林森,许童羽,葛禹豪,马璟,孙添龙,赵春江. 2024

[10]基于深度学习和图像识别技术构建斑玉蕈菌盖斑点表型识别分析系统. 姜宁,陈静,余昌霞,苏海辉,董浩然,李巧珍,于海龙,李正鹏. 2025

[11]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[12]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[13]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[14]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[15]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[16]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[17]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[18]基于YOLOv3模型的金枪鱼鱼群特征识别初步研究. 马硕,张禹,王鲁民,张勋,金卫国,王国来,常卫东. 2021

[19]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[20]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

作者其他论文 更多>>

微信小程序