基于深度卷积神经网络的苹果叶片植物病理学疾病检测

2024-05-17 00:46:03

Abstract

多年来，许多植物病害事件给全世界数百万人带来了痛苦，估计造成全球每年减产14%。植物病理学是一门研究植物病害的科学，它试图提高植物在不利的环境条件和引起病害的寄生微生物下的生存机会。温度、pH值、湿度和水分是影响植物病害发生的环境因素。误诊可导致化学品滥用，造成经济损失，环境失衡和污染，产生耐药病原体菌株。目前的疾病诊断是耗时、昂贵和基于人类侦察的。基于植物叶片图像的疾病自动分割与诊断比现有的方法更加有效。植物病害自动检测包括图像采集、预处理、分割、增强、特征提取和基于模型的分类。本项目使用深度卷积神经网络模型，即EfficientNet和DenseNet，从苹果植株叶片的图像中检测出苹果植株病害，并将其准确分类为4类。分类包括“健康”、“结痂”、“生锈”和“多种疾病”。本课题利用数据增强和图像标注技术，即Canny边缘检测、模糊和翻转技术，对苹果叶病数据集进行了改进。基于增强数据集，提出了利用EfficientNetB7和DenseNet的卷积神经网络模型，准确率分别为99.8%和99.75%，克服了卷积神经网络的已知缺点。

Keywords— Machine Learning, Deep Convolutional Neural
Networks, Data Augmentation, Canny Edge Detection,
EfficientNet, DenseNet, Model Scaling, Feature Reuse.

I. INT RODUCT ION

苹果在世界各地都有种植，是最有效和最广泛种植的水果之一，对全球产量有重要贡献。然而，各种病害对苹果生产造成了巨大的损失。因此，准确、及时地检测苹果叶片病害至关重要。
【19】本文的数据集[19]是由康奈尔数字农业

基于深度卷积神经网络的苹果叶片植物病理学疾病检测相关推荐

基于深度卷积神经网络的玉米病害实时识别检测系统
Deep Convolutional Neural Network based Detection System for Real-time Corn Plant Disease Recognitio ...
论文翻译：基于深度卷积神经网络的肉鸡粪便识别与分类
Recognition and Classification of Broiler Droppings Based on Deep Convolutional Neural Network 基于深度卷 ...
基于深度卷积神经网络进行人脸识别的原理是什么？
原文:https://www.zhihu.com/question/60759296 基于深度卷积神经网络进行人脸识别的原理是什么? 这里的人脸识别包括但不限于:人脸检测,人脸对齐,身份验证识别,和表 ...
基于深度卷积神经网络的目标检测研究综述
基于深度卷积神经网络的目标检测研究综述人工智能技术与咨询来自<光学精密工程> ,作者范丽丽等摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究.目标检 ...
基于深度卷积神经网络的农作物病害识别
基于深度卷积神经网络的农作物病害识别 1.研究思路运用深度学习的方法,基于ResNet-50以及 InceptionV3.MobileNet等神经网络,并在这些基础结构上改进部分模型.该研究主要 ...
基于深度卷积神经网络的玉米病害识别
基于深度卷积神经网络的玉米病害识别 1.研究思路算法模型是先将图像预处理,应用Tripletloss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通Softmax对图像 ...
基于深度卷积神经网络（D-CNN）的图像去噪方法
基于深度卷积神经网络的图像去噪方法摘要:图像去噪在图像处理中仍然是一个具有挑战性的问题.作者提出了一种基于深度卷积神经网络(DCNN)的图像去噪方法.作者设计的不同于其他基于学习的方法:一个DC ...
基于深度卷积神经网络的ImageNet分类
基于深度卷积神经网络的ImageNet分类文章目录摘要一.介绍二.数据集三.结构 ReLU非线性局部反应归一化重叠集合整体架构数据扩张总结摘要我们训练了一个大型的深度卷积神经网 ...
一种基于深度卷积神经网络（DCNN）用于于头发和面部皮肤实时分割方法
团队信息摘要现代的语义分割方法通常过于关注模型的准确性,因此引入繁琐的主干,这会带来沉重的计算负担和内存占用.为了解决这个问题,作者提出了一种基于深度卷积神经网络(DCNN)的高效分割方法,用于头 ...

最新文章

热门文章