-
题名基于图像分割与卷积神经网络的水稻病害识别
被引量：12
- 1
-
-
作者
万颖
杨红云
王映龙
罗建军
梅梦
-
机构
江西农业大学计算机信息与工程学院
江西农业大学软件学院
江西省商务学校基础教学部
-
出处
《西北农业学报》
CAS
CSCD
北大核心
2022年第2期246-256,共11页
-
基金
国家自然科学基金(61562039)
江西省教育厅科技项目(GJJ160374,GJJ170279)。
-
文摘
为了提高水稻病害计算机视觉识别的准确性,研究提出针对水稻白叶枯病、赤枯病、胡麻斑病和纹枯病4种病害进行分类识别的模型。利用计算机视觉和机器学习软件库opencv对病斑图像进行随机旋转、随机翻转、随机亮度变换及随机对比度等处理方式扩充样本,应用区域生长、基于水平集的CV模型、显著性检测3种算法对图像进行分割。通过Tensorflow深度学习平台,构建网络层分别为6层(输入层32×32×3,卷积核大小为5×5)和8层(输入层227×227×3,卷积核大小为11×11、5×5、3×3)的卷积神经网络,将图像分割后得到的3组数据,均以8∶2的比例分别作为卷积神经网络的训练数据和测试数据,训练后得到6个模型,并结合召回率、F1评价指标对模型进行评估。结果表明,6个模型中训练识别准确率最低为97.66%,测试识别准确率最低为95.31%,其中以显著性检测分割算法和8层网络层的卷积神经网络结合得到的模型效果最佳,其训练识别准确率为99.99%,测试识别准确率为99.88%,相较于端到端的卷积神经网络水稻病害识别结果也有所提升。
-
关键词
图像分割
卷积神经网络
水稻病害
识别
显著性检测
-
Keywords
Image segmentation
Convolutional neural network
Rice disease
Recognition
Saliency detection algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
