您好,欢迎访问北京市农林科学院 机构知识库!

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

作者: 王铭慧 1 ; 张怀清 2 ; 樊江川 3 ; 陈帮乾 4 ; 云挺 1 ;

作者机构: 1.南京林业大学信息科学技术学院

2.中国林业科学研究院资源信息研究所

3.国家农业信息化工程技术研究中心数字植物北京市重点实验室

4.中国热带农业科学院橡胶研究所

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。

  • 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]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

[3]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

[4]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

[5]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

[6]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

[7]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

[8]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[9]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[10]基于云原生技术的土壤墒情监测系统设计与应用. 于景鑫,杜森,吴勇,钟永红,张钟莉莉,郑文刚,李文龙. 2020

[11]基于深度学习的跨年龄人脸识别. 孙文斌,王荣,孙连烛,林源松. 2022

[12]设施温室影像采集与环境监测机器人系统设计及应用. 郭威,吴华瑞,朱华吉. 2020

[13]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

[14]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[15]基于WDNN的温室多特征数据融合方法研究. 孙耀杰,蔡昱,张馨,薛绪掌,郑文刚,乔晓军. 2019

[16]基于注意力机制的农业文本命名实体识别. 赵鹏飞,赵春江,吴华瑞,王维. 2021

[17]基于偏最小二乘法和深度学习的近红外糖度预测. 彭发,王震,刘双喜,王金星,杨化伟. 2021

[18]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

[19]轻小型无人机遥感及其行业应用进展. 郭庆华,胡天宇,刘瑾,金时超,肖青,杨贵军,高显连,许强,谢品华,彭炽刚,闫利. 2021

[20]农业大模型:关键技术、应用分析与发展方向. 郭旺,杨雨森,吴华瑞,朱华吉,缪祎晟,顾静秋. 2024

作者其他论文 更多>>