首页 > 分享 > 计算机视觉下的农作物病虫害图像识别研究.pdf

计算机视觉下的农作物病虫害图像识别研究.pdf

第42卷 第1期 现代农业装备 VOL.42 No.1 2021年2月 Modern Agricultural Equipment Feb. 2021 计算机视觉下的农作物病虫害图像识别研究 1,2 1,2 2 1,2 1 3 钟林忆 ,刘海峰 ,董力中,高  翔 ,黄家怿,司志恒 (1.广东省现代农业装备研究所,广东  广州  510630;2.广州市健坤网络科技发展有限公司,广东 广州  510630;3.广东省农业技术推广总站,广东  广州  510520) 摘  要:本文针对农作物病虫害图像识别需求,探索了基于数据增广技术的深度卷积神经网络迁移学习 方法及识别模型,将原始样本量扩增至50倍,并通过抑制模型过拟合,从而提升模型的泛化能力和农作 物病虫害识别的准确率。同时基于边缘计算理论方法与技术,将识别模型部署到边缘端,设计了基于计 算机视觉与边缘计算的智能识别装置,通过该装置实时采集农作物图像,并进行图像推理与识别,解决 了农作物病虫害图像识别的实际应用问题。 关键词:小样本;图像识别;数据增广;卷积神经网络;农作物病虫害 中图分类号:S24    文献标识码:A    文章编号:1673-2154(2021)01-0051-05 利用卷积神经网络,研究了小样本下的茶树病害图 0  引言 像识别,主要应用7种模式对茶树叶部病害图像样 农作物病虫害,是农业生产过程中始终绕不开 本进行预处理,并采用AlexNet经典网络模型进行 的话题,各种病虫害给农产品产量和品质带来恶劣 样本学习与训练,结果显示该方法对3种茶树叶病 的影响[1]。近些年来,随着新一代信息技术的快速 的正确区分率达85%以上。本文研究计算机视觉 发展,国家也加大了对农业病虫害智能化识别和数 下的农作物病虫害图像识别技术,重点解决训练样 字化防控的政策支持力度,农作物病虫害智能识别 本量小的现实情况下的识别精度问题,并构建田间 的研究逐渐成为热门。 场景应用。 柴阿丽等[2] 以计算机视觉技术、图像处理技术 1  理论与技术基础 和模式识别技术为手段,研究了4种番茄叶部病害 自动识别方法,进行了病斑区域特征参数的提取和 本文研究采用计算机视觉、数据增广、卷积神 判别模型的构建,研发形成了一套室内操作的图像 经网络、迁移学习、边缘计算等技术,探索基于数 采集处理系统,这套系统对测试样本的识别准确率 据增广技术的深度卷积神经网络迁移学习方法和识 达94%以上,说明了计算机视觉技术在农作物病虫 别模型,解决农作物病虫害的图像识别问题,进而 害识别上的可行性。张建华等[3] 研究了棉花病害智 设计基于计算机视觉与边缘计算的智能识别装置, 能识别,提出了一种基于粗糙集和BP神经网络的 解决实际生产的田间场景应用问题。 棉花病害识别方法,该方法能够有效地识别4种棉 1)计算机视觉。计算机视觉系统主要由摄像 花病害,且平均识别准确率为92.72%。孙云云等[4] 机、图像采集器、识别模型、计算机等部分组成, 收稿日期:2020-11-15 基金项目:广东省重点领域研发计划项目(2019B020223003);广东省科技创新战略专项资金(省属科研机构稳定

相关知识

基于卷积神经网络的农作物病虫害图像识别研究
基于计算机视觉的花卉叶部病害识别方法研究
基于CNN的农作物病虫害图像识别模型
MATLAB图像识别技术在棉花叶面病虫害识别上的
MATLAB图像识别技术在绿叶面病虫害识别
互联网+智慧农业:计算机视觉技术在农作物病虫害检测方面的应用
基于深度学习的病虫害智能化识别系统
基于深度学习的农作物病害图像识别技术进展
图像识别技术在病虫害快速检测中的应用解析
农作物病虫害检测关键技术问题,如何破解?

网址: 计算机视觉下的农作物病虫害图像识别研究.pdf https://m.huajiangbk.com/newsview342563.html

所属分类:花卉
上一篇: 宿州市林业局用云飞智能防控设备解
下一篇: 青岛市农业农村局关于贯彻落实全国