基于ResNet模型的玉米叶片病害检测与识别
参考文献/References:
［1］张会敏，谢泽奇，张善文. 基于注意力胶囊网络的作物病害识别方法［J］. 江苏农业科学，2022，50(6)：101-106.
［2］李彧，余心杰，郭俊先. 基于全卷积神经网络方法的玉米田间杂草识别［J］. 江苏农业科学，2022，50(6)：93-100.
［3］刘翱宇，吴云志，朱小宁，等. 基于深度残差网络的玉米病害识别［J］. 江苏农业学报，2021，37(1)：67-74.
［4］万军杰，祁力钧，卢中奥，等. 基于迁移学习的GoogLeNet果园病虫害识别与分级［J］. 中国农业大学学报，2021，26(11)：209-221.
［5］曾伟辉，唐欣，胡根生，等. 基于卷积块注意力胶囊网络的小样本水稻害虫识别［J］. 中国农业大学学报，2022，27(3)：63-74.
［6］张军锋，尚展垒. 基于深度学习卷积神经网络的花生籽粒完整性检测［J］. 食品与机械，2022，38(5)：24-29，36.
［7］戴泽翰，郑正，黄莉舒，等. 基于深度卷积神经网络的柑橘黄龙病症状识别［J］. 华南农业大学学报，2020，41(4)：111-119.
［8］陶国柱. 基于卷积神经网络的茉莉花病虫害识别算法研究［D］. 南宁：广西民族大学，2021：1-16.
［9］刘君，王学伟. 基于YOLO的番茄病虫害识别算法［J］. 中国瓜菜，2020，33(9)：18-22，38.
［10］戴子兵. 基于语义分割的水稻病害检测技术［D］. 成都：西华大学，2020：1-25.
［11］郭利进，李言. 基于DCNN的玉米叶部病害识别方法［J］. 粮食与油脂，2022，35(3)：72-75，98.
［12］王海燕，张渺，刘虎林，等. 基于改进的ResNet网络的中餐图像识别方法［J］. 陕西科技大学学报，2022，40(1)：154-160.
［13］肖成勇，李擎，王莉，等. 基于CBAM-Unet的铁矿球团边缘分割实验方法［J］. 烧结球团，2022，47(2)：8-15，23.
［14］张德春，李海涛，李勋，等. 基于CBAM和BiFPN改进YoloV5的渔船目标检测［J］. 渔业现代化，2022，49(3)：71-80.
［15］乔星星，施文灶，刘芫汐，等. 基于ResNet双注意力机制的遥感图像场景分类［J］. 计算机系统应用，2021，30(8)：243-248.
［16］王思颖. 基于迁移学习的多领域图像内容审核研究［D］. 成都：电子科技大学，2022：12-20.
［17］高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述［J］. 计算机工程与应用，2021，57(24)：39-50.
［18］张爽. 基于深度学习的双目立体匹配方法研究［D］. 西安：中国科学院大学(中国科学院西安光学精密机械研究所)，2020：31-34.
［19］张睿哲. 基于机器学习的黄砂岩声发射平静期识别研究［D］. 太原：太原理工大学，2021：39-40.
［20］李莉，乔璐，张浩洋. 结合FPN改进R-FCN的肺结节检测算法［J］. 计算机应用与软件，2022，39(4)：179-184.
［21］杨建华. 基于FPN的高分辨率建筑物图像的语义分割［J］. 遥感信息，2021，36(4)：133-141.
［22］Huang H Z，Zhan W，Du Z Q，et al. Pork primal cuts recognition method via computer vision［J］. Meat Science，2022，192：108898.
［23］She J H，Zhan W，Hong S B，et al. A method for automatic real-time detection and counting of fruit fly pests in orchards by trap bottles via convolutional neural network with attention mechanism added［J］. Ecological Informatics，2022，70：101690.
［24］Hong S B，Zhan W，Dong T Y，et al. A recognition method of Bactrocera minax (Diptera：Tephritidae) grooming behavior via a multi-object tracking and spatio-temporal feature detection model［J］. Journal of Insect Behavior，2022，35：67-81.
［25］Zhang Z L，Zhan W，He Z Z，et al. Application of spatio-temporal context and convolution neural network (CNN) in grooming behavior of bactrocera minax (Diptera：Trypetidae) detection and statistics［J］. Insects，2020，11(9)：565.
［26］Zhan W，Sun C F，Wang M C，et al. An improved Yolov5 real-time detection method for small objects captured by UAV［J］. Soft Computing，2022，26(1)：361-373.
相似文献/References:
[1]杨非凡,徐伟诚,陈盛德,等.融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类[J].江苏农业科学,2023,51(14):198.
Yang Feifan,et al.Rice disease image classification based on fusion of Focal Loss and typical convolutional neural network structure[J].Jiangsu Agricultural Sciences,2023,51(8):198.
[2]章广传,李彤,何云,等.基于迁移模型集成的马铃薯叶片病害识别方法[J].江苏农业科学,2023,51(15):216.
Zhang Guangchuan,et al.A method for identifying potato leaf diseases based on migration model integration[J].Jiangsu Agricultural Sciences,2023,51(8):216.
[3]王洪波,杨永政,谢志成,等.基于Res-Inception的农作物病虫害识别技术[J].江苏农业科学,2024,52(20):181.
Wang Hongbo,et al.Crop diseases and pests identification technology based on Res-Inception[J].Jiangsu Agricultural Sciences,2024,52(8):181.
相关知识
基于改进ResNet的植物叶片病虫害识别
农作物病害识别与分类
基于特征检测的蔬菜叶片病虫害识别模型研究
基于python编程的五种鲜花识别
使用不同 CNN 模型预测叶片病害，
基于卷积神经网络的玉米病虫害识别与防治系统，vgg16，resnet，swintransformer，模型融合（pytorch框架，python代码）
深度学习下的小样本玉米叶片病害识别研究
深度学习在植物叶部病害检测与识别的研究进展
基于RCNN深度学习的植物叶片病害识别系统：数据集、模型和UI界面的完整实现
基于改进efficientnet的玉米叶片病虫害识别分类系统
网址: 基于ResNet模型的玉米叶片病害检测与识别 https://m.huajiangbk.com/newsview1421413.html
| 上一篇: 基于轻量级残差网络的植物叶片病害 |
下一篇: 如何根据植物叶片表现给植物“把脉 |
