-
题名基于深度网络集成的复杂背景甘蔗叶片病害识别
被引量：1
- 1
-
-
作者
马巍巍
陈悦
王咏梅
-
机构
合肥师范学院计算机与人工智能学院
-
出处
《智慧农业(中英文)》
2025年第1期136-145,共10页
-
基金
国家自然科学基金(62071001)
合肥师范学院大学生创新创业训练计划资助项目(S202414098181)
+1 种基金
合肥师范学院校级科研项目(2024KYJX44)
安徽省社会科学创新发展研究课题(2023KY016)。
-
文摘
[目的/意义]农作物病害图像的随机性和复杂性仍给病害识别带来诸多挑战。针对自然条件下甘蔗叶片病害识别难题,本研究提出XEffDa模型。[方法]该模型利用色调、饱和度、亮度(Hue-Saturation-Value,HSV)颜色空间的图像分割与边缘处理技术去除背景干扰,根据特征融合策略,集成高效网络B0版本(Efficient Network B0,EfficientNetB0)、深度可分离卷积网络(Extreme Inception,Xception)和密集连接卷积网络201(Dense Convolutional Network 201,DenseNet201)作为特征提取器,采用预训练权重,通过贝叶斯优化确定顶层超参数,改进弹性网络(ElasticNet)正则化方法并加入随机失活(Dropout)层,以双重机制遏制过拟合现象。在甘蔗叶片病害数据集上训练并完成分类任务。[结果和讨论]模型集成后的识别准确率为97.62%,对比EfficientNetB0、Xception单模型及EfficientNetB0与其他深度网络结合模型识别准确率分别提高了9.96、6.04、8.09、4.19、1.78个百分点。融合实验进一步表明,加入改进ElasticNet正则化后的网络较主干网络其准确率、精确度、召回率及F1值分别提高了3.76、3.76、3.67及3.72个百分点。最大概率散点图结果显示预测最大概率值不低于0.5的比例高达99.4%。[结论]XEffDa模型具有更好的鲁棒性和泛化能力,能为农作物叶片病害精准防治提供参考。
-
关键词
甘蔗叶片病害
图像识别
EfficientNet
Xception
DenseNet201
模型集成
-
Keywords
sugarcane leaf diseases
image recognition
EfficientNet
Xception
DenseNet201
model ensemble
-
分类号
S24
[农业科学—农业电气化与自动化]
-
-
题名茶学专业生物信息学课程教学探索与实践
- 2
-
-
作者
童伟
李方东
高琪娟
吴琼
夏恩华
-
机构
安徽农业大学茶业学院/茶树种质创新与资源利用全国重点实验室
安徽农业大学信息与人工智能学院
合肥师范学院计算机与人工智能学院
安徽省农业科学院茶叶研究所
-
出处
《安徽农业科学》
2025年第12期267-270,274,共5页
-
基金
安徽农业大学教育教学改革研究项目(2022aujyxm026)。
-
文摘
茶学是一门典型的应用型学科。在当前大数据快速发展时代,提高茶学专业学生对生物大数据的生物信息学分析能力是专业培养的重要目标,是将理论应用实践以促进茶学学科全方位发展的关键途径。从茶学专业缺乏生物信息学课程这一问题出发,探索如何从课程理论与实践应用教学相结合来开设适合茶学专业的生物信息学课程,旨在通过提出课程教学改革实践方法,提高茶学专业培养质量,服务茶产业高质量发展。
-
关键词
茶学
生物信息学
课程设立
课程教学改革
-
Keywords
Tea science
Bioinformatics
Course establishment
Course teaching reform
-
分类号
S-01
[农业科学]
-
