-
题名基于改进卷积神经网络的寒地水稻常见叶部病害识别
- 1
-
-
作者
崔佳鹏
徐宏扬
付亚萍
-
机构
黑龙江省农业机械工程科学研究院绥化分院
黑龙江省农业科学院大豆研究所
-
出处
《农机化研究》
北大核心
2025年第10期233-242,共10页
-
基金
黑龙江省农业科技创新跨越工程项目(CX22YQ17)。
-
文摘
传统卷积神经网络对于水稻病害识别存在局限性,特别是在寒地水稻病斑位置识别方面。为此,提出了一种改进型轻量级深度学习网络模型,建立了一个包含5种常见寒地水稻叶部病害图像的数据集,并构建了病害分类和病斑目标检测网络模型;将图像分类网络嵌入YOLOv3目标检测网络中,并对模型的特征提取部分进行了优化,采用转置卷积和空洞卷积进行上采样和下采样;最后,对比了改进后的YOLOv3模型与传统的卷积神经网络模型。试验结果表明,病害分类模型在各项指标上均表现出色,平均召回率、平均精度、平均F1-Score和总体准确率分别为93.64%、93.74%、93.77%和93.64%。改进后的YOLOv3模型在病斑检测方面也表现出色,平均检测精度(mAP)达到89.79%,检测率(DR)达到94.94%,检测速度达到64.9 f/s,综合性能明显优于传统的YOLOv3算法,为水稻病害的准确快速识别提供了新途径,对水稻病害的监测和防治具有重要意义。
-
关键词
寒地水稻病斑识别
卷积神经网络
目标检测
图像分类
-
Keywords
cold-tolerant rice disease lesion recognition
convolutional neural networks
object detection
image classification
-
分类号
S225.93
[农业科学—农业机械化工程]
-
