基于多视图特征融合的植物病害识别算法
摘要： 近年来,基于传统机器学习和深度学习的叶片病害识别算法取得显著进展。然而现有病害识别模型大多采用单一类型特征,即对叶片病害图像提取颜色纹理等传统特征或采用深度学习自动学习特征。一方面采用深度学习自动学习特征需要大量样本,计算开销较大;另一方面传统特征往往应用于小规模病害数据集。因此提出基于多视图特征融合的病害识别算法,首先提取病害叶片图像的Gist特征以及基于深度学习预训练模型VGG16的深度特征,通过深度典型相关分析(DCCA)发掘传统特征与深度特征的相关性,获得更加鲁棒的特征子空间,从而提高识别效果。在Plant Village上的试验结果表明,采用DCCA融合传统特征和深度特征的识别方法比单类型特征识别法的识别精度要高,其平均识别精度可达88.45%。
关键词: 病害识别;深度学习;深度典型相关分析;特征融合;卷积神经网络
中图分类号:
TP391.41
S432
引用本文
高菊玲;. 基于多视图特征融合的植物病害识别算法[J]. 中国农机化学报, 2020, 41(12): 147-152.
使用本文
/ 收藏文章 0 / 推荐导出引用管理器 EndNote|Ris|BibTeX
链接本文:http://zgnjhxb.niam.com.cn/CN/10.13733/j.jcam.issn.2095-5553.2020.12.024
http://zgnjhxb.niam.com.cn/CN/Y2020/V41/I12/147
相关知识
机器学习在植物病害识别研究中的应用
基于图像处理的花卉识别技术的研究与实现
一种异构特征融合的云花卉识别方法
基于变量喷药的杂草识别关键技术研究
卷积神经网络的算法范文
深度学习在植物叶部病害检测与识别的研究进展
js植物算法
植物病害检测系统：利用深度学习守护农田的科技先锋
第一章 植物病害识别与诊断(完全)
看图识花的算法，如何识别植物？
网址: 基于多视图特征融合的植物病害识别算法 https://m.huajiangbk.com/newsview130989.html
| 上一篇: 基于深度学习的植物病虫害识别方法 |
下一篇: 《观赏植物病害识别与防治》【价格 |
