基于深度学习算法的小麦锈病分类
锈病是由专性真菌寄生虫引起的植物病害。它们通常具有宿主特异性，对农作物、树木和观赏植物的产量造成较大损失。小麦作为一种重要的粮食作物，其生长过程中常遭受三种典型锈菌的侵害，即叶锈菌、茎锈病和黄锈病。这些病害通常是由人去手动检查，但在大规模的种植区域，该过程费时费力，且容易出现人为错误。因此，在小麦生长早期阶段需要一个高效的系统去识别和分类这些疾病。本研究利用基于深度学习的CNN(即VGG16)迁移学习模型对包含健康小麦以及两类小麦锈病(叶锈病和茎锈病)的CGIAR图像数据集进行分类。深度学习模型通过调整各种超参数(如批大小、迭代数、学习率等)产生了最佳结果。所提出的模型在80个批次上的最佳分类准确率为99.54%，初始学习率从0.01下降到0.0001。
图1 图像处理步骤。
图2 用于植物病害检测的机器学习和深度学习算法。
图3 CNN的基本架构。
图4 小麦病害检测的逐年统计公布。
图5 (a)健康的小麦植株、(b)叶锈病和(c)茎锈病的取样图像。
图6用于小麦锈病检测的VGG16的结构。
图7 训练和验证准确性比较的表示方法。
图8训练和验证损失比较的表示方法。
图9 epoch = 80时的混淆矩阵。
来源：Sood S, Singh H, Jindal S. Rust Disease Classification Using Deep Learning Based Algorithm: The Case of Wheat[J]. 2022.http://dx.doi.org/10.5772/intechopen.104426
编辑：小王博士在努力
相关知识
基于深度学习的花卉图像分类算法研究
基于图像的小麦真菌病害深度学习识别（数据+平台）
基于深度学习的植物叶片识别算法研究
毕业设计：基于深度学习的野生花卉识别分类算法系统 目标检测
基于深度学习的花卉图像分类识别模型研究
一种基于深度学习算法的烟叶病虫害识别方法与流程
【机器学习】基于KNN算法实现鸢尾花数据集的分类
基于深度学习和迁移学习的识花实践
基于深度学习的智能垃圾分类系统设计与实现
基于深度学习的植物病虫害识别方法与流程
网址: 基于深度学习算法的小麦锈病分类 https://m.huajiangbk.com/newsview1419940.html
| 上一篇: 小麦锈病防治方法 |
下一篇: 防止小麦锈病的危害，要选择哪种杀 |
