首页> 中文期刊> 《农业工程学报》 >基于多路卷积神经网络的大田小麦赤霉病图像识别

基于多路卷积神经网络的大田小麦赤霉病图像识别

         

摘要

为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别.首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像.然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征.最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能.该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助.

著录项

  • 来源
    《农业工程学报》 |2020年第11期|174-181|共8页
  • 作者单位

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

    安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心 合肥 230601;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP391.41;
  • 关键词

    图像识别; 农作物; 病害; 小麦赤霉病; 多路卷积神经网络; 联合损失函数;

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