• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《沈阳农业大学学报》 >基于GSNet的番茄叶面病害识别研究

基于GSNet的番茄叶面病害识别研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

传统农作物病害识别过程中,要求生产者通过肉眼观察识别病害类型,对生产者的专业知识要求高,识别难度大。随着深度学习的发展和卷积神经网络强大的特征提取能力的不断挖掘,降低了图像识别技术上的操作难度,并取得显著效果,应用计算机视觉技术进行农作物叶面病害识别,正在成为农业现代化的主流方向。以番茄的叶面病害识别为例,提出了一种基于深度卷积神经网络的番茄叶面病害识别模型:重影空间金字塔模型(ghost spatial pyramid pooling net,GSNet)。为了适应农业生产需要,调整网络结构,降低网络模型复杂度,引入Ghost模块替换常规卷积层,采用空间金字塔池化提取病害多尺度信息,提高模型对于输入图像尺寸的自适应性,并针对实际需求,通过结构重参数化,分割网络训练阶段和推理阶段,在推理网络中合并卷积运算和批归一化(batch normalization,BN),提高推理效率,降低病害图像识别时间。结果表明:该卷积神经网络对番茄的叶面病害识别的准确率达到98.53%,并与VGG16、ResNet50、InceptionV3以及3种轻量化网络进行对比,获得最好的识别效果,接着通过对结构重参数化前后分类结果进行验证分析,在保证模型识别准确率的条件下,识别时间由16.28s下降为15.15s,推理效率提高6.94%,对农业智能病害识别具有重要意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号