-
题名基于多尺度残差神经网络的葡萄叶片病害识别
被引量：33
- 1
-
-
作者
何欣
李书琴
刘斌
-
机构
西北农林科技大学信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第5期285-291,300,共8页
-
基金
中央高校基本科研业务费专项资金(2452019064)
陕西省重点研发计划(2019ZDLNY07)
宁夏智慧农业产业技术协同创新中心项目(2017DC53)。
-
文摘
葡萄叶片不同程度的病害具有一定的相似性,目前对于葡萄叶片病害的识别多为病害种类识别,对不同程度病害识别的研究较少,且传统识别方法对于不同程度病害识别准确率较低。提出一种基于多尺度残差神经网络(Multi-Scale ResNet)的葡萄叶片病害识别方法。对葡萄叶片病害图像进行数据增强与叶片区域标注后,使用Mask R-CNN提取葡萄叶片部位,通过引入多尺度卷积以改变ResNet底层对不同尺度特征的响应,利用加入的SENet提升网络的特征提取能力,并将图像输入Multi-Scale ResNet中进行识别。实验结果表明,该方法的平均识别准确率达到90.83%,相比ResNet18提高了2.87个百分点。
-
关键词
残差网络
病害识别
Mask
R-CNN网络
多卷积组合
识别准确率
-
Keywords
residual network
identification of diseases
Mask R-CNN network
multi-convolution combination
recognition accuracy
-
分类号
TP753
[自动化与计算机技术—检测技术与自动化装置]
-
