基于深度学习的水稻病虫害诊断方法研究

论文摘要

病虫害是影响水稻等农作物产量的重要制约性因素。为探索基于深度学习的水稻病虫害诊断方法,采用图片尺寸归一化、截取感兴趣区域、病理分割3种预处理方式分别与Faster R-CNN Inception v2、SSD MobileNet v1两种深度学习目标检测预训练模型结合,在TensorFlow深度学习平台下进行水稻病虫害识别模型的训练和诊断效果测试。实验结果表明,6种条件下水稻病虫害识别准确率分别为99.65%、90.74%、92.60%、82.23%、65.74%和20.41%,其中采用归一化尺寸和Faster R-CNN模型时水稻病虫害识别准确率最高,且具有较低的训练时长,较适宜用于水稻病虫害诊断。

论文目录

• 1 材料与方法
•   1.1 数据来源
•   1.2 图像预处理
•   1.3 模型训练
•     1.3.1 模型训练方式
•     1.3.2 模型参数选取
• 2 结果与分析
•   2.1 训练时长
•   2.2 识别准确率
• 3 结 语

文章来源

类型: 期刊论文

作者: 姜敏,沈一鸣,张敬尧,饶元,董伟

关键词: 深度学习,水稻,病虫害识别,诊断

来源: 洛阳理工学院学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,农业科技,信息科技

专业: 植物保护,计算机软件及计算机应用,自动化技术

单位: 安徽农业大学信息与计算机学院,安徽省农业科学院农业经济与信息研究所

基金: 国家自然科学基金资助项目(61572260)

分类号: S435.11;TP391.41;TP18

页码: 78-83

总页数: 6

文件大小: 2113K

下载量: 437