文献类型： 中文期刊

作者： 朱志贤 ¹ ; 邱盼 ² ; 张成 ¹ ; 董朝霞 ¹ ; 张凤 ¹ ; 胡兴明 ¹ ; 于翠 ¹ ;

作者机构： 1.湖北省农业科学院经济作物研究所

2.飞卓科技(上海)股份有限公司

关键词： 桑椹菌核病;深度学习算法;迁移学习法;YOLOv3;病害严重度检测

期刊名称： 湖北农业科学

ISSN： 0439-8114

年卷期： 2024 年 63 卷 012 期

页码： 191-198

收录情况： 北大核心

摘要： 通过对5种不同发病级别的1万张桑椹果实图像进行训练,基于YOLOv3深度学习算法并结合迁移学习法,获得桑椹菌核病严重度目标检测模型.为了验证该模型的鲁棒性,与同样采用迁移学习的EfficientDet、Faster R-CNN和YOLOv4原始模型进行了对比.结果表明,YOLOv3模型对健康果实和菌核病果实检测的平均精确率均值为0.79,比其他模型提高6.76%~54.90%,其对不同发病级别菌核病果实检测的平均精确率比其他模型提高7.04%~80.95%,查准率和查全率为最优或者次优.采用Flask+Vue技术构建的检测识别系统可在1s内获取病害严重度、果实大小、置信度信息,也能实现对视频的动态识别,为桑椹种植中自动化病害监测和快速高效精准施药提供了可靠的软件处理平台.