-
题名基于卷积神经网络的葡萄叶片病害检测方法
被引量：42
- 1
-
-
作者
刘阗宇
冯全
杨森
-
机构
甘肃农业大学机电工程学院
-
出处
《东北农业大学学报》
CAS
CSCD
北大核心
2018年第3期73-83,共11页
-
基金
国家自然科学基金项目(61461005)
-
文摘
文章采用多角度建议区域Faster-RCNN准确定位图像中葡萄叶片,提出一种基于卷积神经网络的病害检测方法,检测图像叶片病害。相比直接检测图像病害,可去除背景因素对病害区域干扰,降低错误率。结果表明,该算法对自然条件下葡萄病害成像适应性良好。文章统计6种不同条件下拍摄图像,对一般叶片检测算法平均mAP为75.52%,显著高于传统算法。在病害检测时,采用两种策略:从一幅图像中检测到每个单个叶片,或将整幅图像对叶片取掩模后,作为下一级病害检测器输入图像。结果表明,第一种方法,6种常见葡萄病害平均mAP为66.47%,其中褐斑病与白粉病mAP超过70%;第二种方法,病害检测平均mAP为51.44%,但平均检测时间节约75%。两种方法性能均优于在原始图像上直接病害检测方法。
-
关键词
葡萄病害
卷积神经网络
病害检测
多角度建议区域
叶片检测
叶片掩模
-
Keywords
grape disease
convolutional neural network
diseases detection
multiple angles proposal
leaf detection
leaf mask
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
