基于ResNet-50深度卷积网络的果树病害智能诊断模型研究

[目的 /意义]果树病害危及农业生产安全,运用人工智能技术帮助果农及时准确地识别果树病害对保障农业安全生产具有重要意义.[方法 /过程]采用10 000张果树叶片病斑图像数据集,通过旋转、污化、增噪、切割等图像增强手段,提高样本图像的多样性;使用ResNet-50深度卷积网络模型,进行机器学习,获得果树病害识别模型,并基于此模型开发了应用软件提供在线诊断服务.[结果 /结论]实验结果表明:该模型对4种果树病害的平均识别率达到92.9%,和相关研究成果相比具有较好的诊断效果....

Full description

Saved in:
Bibliographic Details
Published in农业图书情报学报 Vol. 33; no. 4; pp. 58 - 67
Main Authors 金瑛, 叶飒, 李洪磊
Format Journal Article
LanguageChinese
Published 中国农业科学院农业信息研究所 05.04.2021
辽宁师范大学大数据与商务智能实验室,大连116029%中国农业科学院农业信息研究所,北京100081
Subjects
果树疾病
智能诊断
图像识别
ResNet-50
Online AccessGet full text
ISSN1002-1248
DOI10.13998/j.cnki.issn1002-1248.20-0670

Cover

More Information
Summary:[目的 /意义]果树病害危及农业生产安全,运用人工智能技术帮助果农及时准确地识别果树病害对保障农业安全生产具有重要意义.[方法 /过程]采用10 000张果树叶片病斑图像数据集,通过旋转、污化、增噪、切割等图像增强手段,提高样本图像的多样性;使用ResNet-50深度卷积网络模型,进行机器学习,获得果树病害识别模型,并基于此模型开发了应用软件提供在线诊断服务.[结果 /结论]实验结果表明:该模型对4种果树病害的平均识别率达到92.9%,和相关研究成果相比具有较好的诊断效果.
ISSN:1002-1248
DOI:10.13998/j.cnki.issn1002-1248.20-0670