基于深度学习网络实现番茄病虫害检测与识别

文献类型： 中文期刊

第一作者： 王铭慧

作者： 王铭慧;张怀清;樊江川;陈帮乾;云挺

作者机构：

关键词： 深度学习;病虫害识别;Swin Transformer;Fisher判别;番茄

期刊名称： 中国农业大学学报

ISSN：

年卷期： 2023 年 011 期

页码： 165-181

收录情况： 北大核心 ; CSCD

摘要： 为利用计算机或人工智能技术协助番茄病虫害防治，以存在病虫害侵害问题的番茄植株图像为研究对象，针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络，用于精确定位图像中的病虫害目标，并采用基于经典卷积神经网络构建的旋转不变Fisher判别CNN分类网络，以此提高病虫害分类的准确率。结果表明：1)将测试结果与传统的目标检测模型和分类模型作对比，基于Swin Transformer的YOLOX网络在番茄病虫害测试集上的精确度比Faster R-CNN和SSD分别高了7.9%和9.5%,旋转不变Fisher判别CNN对病虫害类别的识别准确率与AlexNet、VGGNet相比分别提升了8.7%和5.2%;2)与基于Transformer的目标检测模型DETR和近年来新兴的图像分类模型Vision Transformer（ViT）在番茄病虫害测试集上的结果相比较，本研究的检测和分类方法也存在优势，病虫害检测精度和分类准确率分别提高了3.9%和4.3%。此外消融试验也证明了本研究方法改进的有效性。总之，本研究所构建的网络在番茄病虫害的目标检测和分类识别方面的性能优于其他网络，有助于提升番茄病虫害的防治效果，对计算机视觉在农业领域的应用具有重要意义。

分类号： S436.412%TP18%TP391.41

  • 相关文献

[1]基于VGG-ST模型的奶牛粪便形态分类方法研究. 纪宝锋,李斌,卫勇,赵文文,周孟创. 2023

[2]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[3]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[4]基于深度学习的水稻病虫害诊断方法研究. 姜敏,沈一鸣,张敬尧,饶元,董伟. 2019

[5]基于Swin Transformer与GRU的低温贮藏番茄成熟度识别与时序预测研究. 杨信廷,刘彤,韩佳伟,郭向阳,杨霖. 2024

[6]采用组合增强的YOLOX-ViT协同识别温室内番茄花果. 吕志远,张付杰,魏晓明,黄媛,李晶晶,张钟莉莉. 2023

[7]番茄非接触式单果质量估测方法. 许伟浩,李斌,林森,郑书河,郎冲冲,李涛,董创,郭文忠. 2021

[8]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

[9]基于嗅觉可视化技术的工夫红茶发酵程度判定方法. 陈琳,叶阳,董春旺,何华锋. 2017

[10]基于颜色和纹理特征的玉米旱情统计判别模型. 岳焕然,李茂松,王春艳,安江勇. 2019

[11]关于百色市芒果主要重大病虫害的识别与防治. 黄杰. 2019

[12]基于文献计量学的农作物病虫害识别研究进展分析. 金青婷,黄红星,江顺. 2023

[13]基于Android的植保服务平台的研究与实现. 张萌,钱蓉,董伟,朱静波,孔娟娟,李闰枚,张立平. 2019

[14]冬小麦主要病虫害的高光谱识别. 徐永伟,程登发,周益林. 2007

[15]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[16]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[17]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[18]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[19]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[20]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

作者其他论文 更多>>

微信小程序