基于深度学习的病害识别方法研究OA
Research on Disease Recognition Method Based on Deep Learning
当前在大面积生产中,主要病害的发生严重威胁农作物健康持续发展,亟须高效的病害识别方法来解决人工识别耗时、误判及效率低等问题.通过SONY@6300 数码相机和开源数据库获取 3 种病害图像各 150 张,利用Labelme标注图片病斑,经过图像增强得到 2250 张图片并构成数据集,按照 8∶1∶1 的比例划分为训练集、验证集和测试集.训练Deeplabv3+、U-Net、U-Net++等3 种神经网络模型,对 3种病害的图片进行预测并评价,比较…查看全部>>
王君婵;洪俐;朱少龙;刘涛;吴旭江;王慧;孙成明
江苏里下河地区农业科学研究所/农业农村部长江中下游小麦生物学与遗传育种重点实验室 江苏 扬州 225007江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院 江苏 扬州 225009||江苏省粮食作物现代产业技术协同创新中心/扬州大学 江苏 扬州 225009江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院 江苏 扬州 225009||江苏省粮食作物现代产业技术协同创新中心/扬州大学 江苏 扬州 225009江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院 江苏 扬州 225009||江苏省粮食作物现代产业技术协同创新中心/扬州大学 江苏 扬州 225009江苏里下河地区农业科学研究所/农业农村部长江中下游小麦生物学与遗传育种重点实验室 江苏 扬州 225007江苏里下河地区农业科学研究所/农业农村部长江中下游小麦生物学与遗传育种重点实验室 江苏 扬州 225007江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院 江苏 扬州 225009||江苏省粮食作物现代产业技术协同创新中心/扬州大学 江苏 扬州 225009
病害识别图像深度学习模型预测U-Net++
disease recognitionimagedepth learningmodelpredictionU-Net++
《农业展望》 2023 (8)
90-99,10
江苏省农业科技自主创新资金(CX(21)3063)江苏省重点研发计划(现代农业)项目(BE2022335BE2022338)江苏省省级农业科技创新与推广补助专项"江苏省省级作物种质资源库(里下河地区农作物)建设"
评论