基于AlexNet的栽培苜蓿病害识别

文献类型： 中文期刊

第一作者： 李云昊

作者： 李云昊;李仲贤;伏帅;张忠雪;茆士琴;冯琦胜;梁天刚;李彦忠

作者机构：

关键词： 苜蓿病害;AlexNet;目标检测;深度学习

期刊名称： 草业学报

ISSN： 1004-5759

年卷期： 2023 年 012 期

页码： 104-114

收录情况： 北大核心 ; CSCD

摘要： 苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高，传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检，存在时效性差、成本高，难以实现大范围多点位的快速识别等弊端。近年来在图像识别领域的计算机视觉和深度学习得到快速发展，为苜蓿病害智能化识别提供了新途径。本研究利用13种常见苜蓿病害图像数据集，基于改进的AlexNet深度学习卷积神经网络，经过300次迭代训练，构建了苜蓿病害识别模型，并对比分析了不同图像输入分辨率的苜蓿病害识别精度。结果表明：13种苜蓿病害最优模型识别总体精度达到72%，最优图像输入尺寸为512像素×512像素；剔除识别精度过低的苜蓿病害样本图片后，褐斑病、霜霉病、炭疽病、黑茎叶斑病和小光壳叶斑病5类苜蓿病害的识别总体精度提高到92%，最优输入尺寸为1200像素×1200像素。这2种模型均能够实现对苜蓿主要病害的快速识别，研究结果可以为苜蓿病害智能检测系统的研发提供图像识别方面的技术支持。

分类号： S435.4

  • 相关文献

[1]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

[2]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

[3]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

[4]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

[5]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

[6]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

[7]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

[8]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

[9]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

[10]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

[11]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[12]面向海洋渔业捕捞生产的深度学习方法应用研究进展. 张胜茂,孙永文,樊伟,唐峰华,崔雪森,伍玉梅. 2022

[13]水族馆鱼类目标检测网络优化研究. 刘洋,张胜茂,王书献,王斐,樊伟,邹国华,伯静. 2022

[14]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[15]基于改进YOLO-V4网络的浅海生物检测模型. 毛国君,翁伟栋,朱晋德,张媛,吴富村,毛玉泽. 2021

[16]目标检测算法在农业领域中的应用. 温科,刘波,蒋辉霞,刘李逵,任倪. 2024

[17]基于ROI融合特征的柑橘炭疽病诊断方法. 熊晓菲,王秀琴,庄翠珍,郭家贤,谢新锐,吴建伟,李奇峰. 2024

[18]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

[19]AM真菌与根瘤菌对紫花苜蓿镰刀菌萎蔫和根腐病的影响. 王晓瑜,丁婷婷,李彦忠,段廷玉. 2019

[20]我国苜蓿病害研究进展. 袁庆华. 2007

作者其他论文 更多>>

微信小程序