基于改进DenseNet和迁移学习的荷叶病虫害识别模型

TP391.4%S24; 病虫害的发生将会严重影响莲藕品质与产量,开展病害诊断与识别对藕田病虫害及时对症对病诊治、提升莲藕生产质量与经济效益具有重要意义.该研究以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet和迁移学习的荷叶病虫害识别模型.采用分支结构对模型的浅层特征提取模块进行改进,并在Dense Block与Transition Layer中引入 Squeeze and Excitation 注意力机制模块和锐化的余弦卷积,最后基于 Plantvillage 数据集进行迁移学习,实现了91.34％的识别准确率.该研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 39; no. 8; pp. 188 - 196
Main Authors 张国忠, 吕紫薇, 刘浩蓬, 刘婉茹, 龙长江, 黄成龙
Format Journal Article
LanguageChinese
Published 华中农业大学工学院,武汉 430070 01.04.2023
华中农业大学作物遗传改良国家重点实验室,武汉 430070
农业农村部长江中下游农业装备重点实验室,武汉430070%华中农业大学工学院,武汉 430070
Subjects
DenseNet
注意力机制
余弦相似度
模型
无人机
迁移学习
病虫害识别
荷叶
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.202301122

Cover

More Information
Summary:TP391.4%S24; 病虫害的发生将会严重影响莲藕品质与产量,开展病害诊断与识别对藕田病虫害及时对症对病诊治、提升莲藕生产质量与经济效益具有重要意义.该研究以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet和迁移学习的荷叶病虫害识别模型.采用分支结构对模型的浅层特征提取模块进行改进,并在Dense Block与Transition Layer中引入 Squeeze and Excitation 注意力机制模块和锐化的余弦卷积,最后基于 Plantvillage 数据集进行迁移学习,实现了91.34％的识别准确率.该研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的识别,并将改进后的模型推广应用于基于无人机图像的藕田病虫害检测,实现了病害分布可视化,可对莲藕病虫害的智能化防治提供有益指导.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.202301122