通过提取茶叶病害图像的颜色和纹理特征,利用支持向量机(SVM)方法对病害图像进行分割。以分割后的病斑图像为输入,通过改进的条件深度卷积生成对抗网络生成新的训练样本进行数据扩充,用于训练VGG16深度学习模型识别茶叶病害。
天净山国家森林公园,图像采集设备包括手持数码相机,即佳能EOS 80D单反相机,以及无人机,即飞行高度为10米的DJI幻影4pro。茶叶病害图像的另一部分来自安徽省农业委员会病虫害农业图形数据库。选择了三种茶叶病害,即茶赤霉病、茶红叶斑病和茶枯病。
【1】从茶叶病害图像中分割出病斑,去除复杂背景。采用SVM学习方法对茶叶病害图像中的病斑进行分割。SVM的训练样本和测试样本是健康叶片和病斑的特征向量。
【2】利用改进的C-DCGAN生成不同类型的病斑图像来扩充训练样本。用增广后的训练样本训练VGG16网络,解决过拟合问题,实现茶叶病害的准确识别。
【3】利用VGG16网络识别疾病点。首先;训练样本图像被重新整形到128 × 128 × 3的大小。然后利用多层叠加卷积汇集层将图像编码成4 × 4 × 512个势矢量。最后,通过三个全连通层和最后一个软最大值层回归出病斑的类型概率。
【4】比较了阈值法、K-均值聚类法、图割法和提出的
相关知识
深度学习在植物叶部病害检测与识别的研究进展
基于深度学习/YOLOv8的植物叶片病害识别系统【附源码+可远程安装部署】
花卉识别的前沿技术
EfficientNet实现农业病害识别(FastDeploy部署和安卓端部署)
茶叶根部病害如何防治?
Yolo v5深度学习用于植物叶片病害识别【matlab】
几种常见的学习方法
【免费】Ip102:害虫识别的大规模基准数据集
根据识别的层次和手段可将植物的遗传标记分为3类:形态学标记、细胞学标记 、 生化标记
识别花草怎么识别?分享识别的方法和软件!
网址: 一种用于茶叶病害识别的低阶学习方法 https://m.huajiangbk.com/newsview392241.html
上一篇: 春季花卉植物常见病虫害及防治办法 |
下一篇: 中国木薯主要病虫害研究进展 |