-
题名基于改进的U-Net网络模型的叶片病害检测
被引量：1
- 1
-
-
作者
刘林
林山驰
李相国
冯敏
许亮
-
机构
广东宏景科技股份有限公司
智慧城市云边端协同技术广东省工程研究中心
中国科学院长春光学精密机械与物理研究所
吉林省农业高光谱应用信息数据库
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第8期1138-1144,共7页
-
基金
广东省重点研发计划(No.2019B020214001)。
-
文摘
为了满足作物病虫害绿色防治对病虫害程度检测的需求,设计了一种改进的U-Net网络模型用于作物叶片病虫害程度的检测。首先,选择ResNet50网络作为模型的主干网络,借助迁移学习来提升训练收敛速度和降低计算成本。其次,引入注意力机制对U-Net网络的各层特征提取和融合进行优化,以提高网络模型接收关键信息的能力。实验结果表明,改进的U-Net512网络模型具有最优的检测性能,平均检测精度达到90.14%,平均绝对误差为276.3。通过分析模型不同采样深度下的各层特征图发现,注意力机制的引入使网络模型能够获取并融合叶片整体特征和病害区域特征两个维度的信息,进一步提升模型检测性能。这种方法不仅能够有效地检测作物叶片的病虫害程度,而且具有较高的准确性和可靠性,有助于实现作物病虫害的绿色防治。
-
关键词
病虫害检测
改进U-Net网络
注意力机制
病虫害防治
-
Keywords
pest detection
U-Net network
attention gate
pest control
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
