-
题名基于迁移学习和残差网络的葡萄叶部病害识别
被引量：18
- 1
-
-
作者
谢圣桥
宋健
汤修映
白阳
-
机构
中国农业大学工学院
潍坊学院智能农业装备实验室
-
出处
《农机化研究》
北大核心
2023年第8期18-23,28,共7页
-
基金
山东省重点研发计划项目(2019GNC106144)。
-
文摘
为实现小样本数据下的葡萄病害图像识别,基于迁移学习和数据增强技术,实现了葡萄叶部病害图像的精准分类。在ResNet50模型的基础上,保留了卷积层并设计了全新的全连接层。对葡萄病害数据集原图进行亮度变换、旋转、添加高斯噪声等操作,以扩充数据集,防止模型过拟合,且将数据集按1:4划分为验证集与训练集,训练模型的全连接层。试验结果表明:ResNet50模型对葡萄黑腐病叶、褐斑病叶、轮斑病叶及健康叶的平均识别准确率达97.87,比VGG16和VGG19模型分别高出4.02%和1.86%,分类效果优于其他模型;葡萄叶片黑腐病、褐斑病、轮斑病和健康的召回率分别为97%、96%、99%及99%,均在96%以上。由此表明,模型具有较好的鲁棒性和识别性能,可为果园自动化喷药提供技术参考。
-
关键词
葡萄
病害识别
迁移学习
残差网络
深度学习
-
Keywords
grapes
identification of diseases
transfer learning
residual network
deep learning
-
分类号
S126
[农业科学—农业基础科学]
S43
[农业科学—农业昆虫与害虫防治]
-
-
题名基于深度学习的机器人疏果前毛桃目标识别方法
被引量：4
- 2
-
-
作者
谢圣桥
宋健
汤修映
白阳
-
机构
中国农业大学工学院
潍坊学院智能农业装备实验室
-
出处
《农机化研究》
北大核心
2023年第6期183-187,共5页
-
基金
山东省重点研发计划项目(2019GNC106144)。
-
文摘
为实现自然环境下疏果前期毛桃目标的识别,提出了基于Faster R-CNN的毛桃目标识别方法,设计的网络由ResNet-50特征提取网络、区域生成网络和感兴趣区域子网组成,并以ResNet-50为基础网络,用来提取目标特征。工作时,区域生成网络依据ResNet-50提取的特征生成感兴趣区域,感兴趣区域子网依据目标特征和感兴趣区域进行毛桃的识别与定位;对图像进行扩增后,随机选取1920幅作为训练集、240幅作为验证集。用测试集中的240幅图像对模型进行测试,结果表明:目标识别方法能有效识别出自然环境下的毛桃目标,准确度为92.97%,误识率为7.03%,召回率为84.62%,平均检测速度为0.189s/幅,可实现疏果前期毛桃目标的识别,模型具有较好的鲁棒性和泛化能力。
-
关键词
毛桃
目标识别与定位
机器人
深度学习
Faster
R-CNN
-
Keywords
peach
target identification and localization
robotics
Deep Learning
Faster R-CNN
-
分类号
S126
[农业科学—农业基础科学]
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
