-
题名自监督学习下小样本番茄叶片病害检测
- 1
-
-
作者
李显娜
吴强
张一丹
周康
-
机构
南阳农业职业学院信息工程学院
郑州大学信息工程学院
河南农业大学信息与管理科学学院
-
出处
《中国农机化学报》
北大核心
2024年第7期172-179,共8页
-
基金
国家自然科学基金(U2003119)。
-
文摘
番茄叶片病害的快速定位与精准识别有助于合理使用杀虫剂,进而保障番茄的质量与产量。针对现有番茄叶片病害检测方法检测性能不佳的问题,提出一种自监督下的小样本番茄叶片病害检测方法。首先,利用一组共享权重的主干网络提取番茄叶片在视觉空间中的语义特征;然后,将视觉语义特征作为深度自编码网络的输入,通过计算编码压缩后的特征与原始特征间的对比损失优化特征编码网络;最后,利用编码压缩后的特征指导番茄叶片的未知病害定位与识别。此外,为获得更鲁棒的指导特征集,设计一种双损失的优化策略。通过在自建的番茄病害叶片数据集和开源数据集上进行测试试验,所提出模型分别在自建和开源数据集上实现0.946 2和0.963 9的识别精准率,优于当前经典的目标检测方法。
-
关键词
番茄叶片病害检测
自监督学习
自编码网络
双损失
语义特征
-
Keywords
tomato leaf disease detection
self-supervised learning
autoencoder network
dual loss
semantic feature
-
分类号
S436.412
[农业科学—农业昆虫与害虫防治]
TP391
[自动化与计算机技术—计算机应用技术]
-
