-
题名基于跨深度学习模型的作物病害检测方法
被引量：8
- 1
-
-
作者
李萍
邵彧
齐国红
张善文
-
机构
郑州西亚斯学院电子信息工程学院
-
出处
《江苏农业科学》
北大核心
2022年第8期193-199,共7页
-
基金
国家自然科学基金(编号:62072378)
河南省科技重点研发与推广重点专项(科技攻关)(编号:192102210289、202102210157、202102210386、212102210404)
河南省教育厅高等学校重点科研项目(编号:20A520045)。
-
文摘
作物病害叶片症状是病害类型识别的依据,与作物病害发生相关的环境信息是作物病害预测的依据。由于病害叶片症状和环境信息的复杂多样性,使很多作物病害检测方法的准确率不高。针对大田作物病害检测难题,提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和双向长短时记忆网络(BiLSTM)相结合的跨深度学习模型的作物病害检测方法。首先,利用CNN提取作物病害叶片图像的分类特征,利用BiLSTM提取病害发生的环境信息的特征;然后,利用注意力机制对2种特征进行融合;最后,利用Softmax分类器进行病害检测。在作物病害相关数据库上进行试验,识别准确率为92.35%。结果表明,该方法优于传统的病害检测方法和基于长短时记忆神经网络(LSTM)的检测方法。该方法能够准确检测出作物病害,有助于提高大田作物病害检测系统的准确率和鲁棒性。
-
关键词
作物病害检测
卷积神经网络
双向长短时记忆
注意力机制
跨深度学习模型
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
