發(fā)布時(shí)間：2021-08-28 02:09

　　為了提取圖像高層語(yǔ)義特征、解決各種植物病蟲(chóng)害圖像尺寸不相同的問(wèn)題,提出了多層次增強(qiáng)高效空間金字塔（Extremely efficient spatial pyramid,EESP）卷積深度學(xué)習(xí)模型。首先,對(duì)圖像進(jìn)行預(yù)處理;其次,構(gòu)建多層融合EESP網(wǎng)絡(luò)模型,該模型通過(guò)對(duì)每層設(shè)置不同的空洞率進(jìn)行空洞卷積,選擇性地提取不同層次的特征信息,通過(guò)融合各層信息獲得各種農(nóng)作物病蟲(chóng)害圖像的不同特征;最后,通過(guò)Softmax分類方法實(shí)現(xiàn)農(nóng)作物病蟲(chóng)害識(shí)別。數(shù)據(jù)集包括10種農(nóng)作物的61種病蟲(chóng)害類別,迭代訓(xùn)練300次,得到本文方法 Top1分類準(zhǔn)確率最高達(dá)到了88.4%,且采用三階EESP模型達(dá)到了最佳效果。 

【文章來(lái)源】：農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020,51(08)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

空洞卷積

傳統(tǒng)卷積是同時(shí)考慮區(qū)域和通道的，而在可分離卷積中，可將區(qū)域和通道分開(kāi)計(jì)算，先進(jìn)行卷積計(jì)算，再進(jìn)行通道數(shù)轉(zhuǎn)換[16]，如圖2所示。比如，假設(shè)一個(gè)n×n的濾波器，其輸入通道數(shù)為c，輸出通道數(shù)為c"。傳統(tǒng)卷積的參數(shù)量為n2cc"，而采用可分離卷積，參數(shù)量?jī)H需n2c+cc"=(n2+c")c，隨著輸出通道數(shù)增多，參數(shù)量增長(zhǎng)趨勢(shì)變慢。2 基于EESP模型的農(nóng)作物病蟲(chóng)害識(shí)別過(guò)程

本研究基于深度學(xué)習(xí)方法對(duì)農(nóng)作物病蟲(chóng)害圖像進(jìn)行分類識(shí)別，首先加載數(shù)據(jù)集，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后將圖像送入構(gòu)建的多層EESP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)行多層次特征提取，最后通過(guò)Softmax函數(shù)對(duì)獲取到的特征進(jìn)行病蟲(chóng)害種類識(shí)別�；玖鞒倘鐖D3所示，其中，Pn表示預(yù)測(cè)為第n種病蟲(chóng)害的概率。2.1 基于重采樣的數(shù)據(jù)預(yù)處理

【參考文獻(xiàn)】：
期刊論文
[1]農(nóng)作物科學(xué)種植及病蟲(chóng)害防治技術(shù)淺析[J]. 楊舒廣.  農(nóng)家參謀. 2019(19)
[2]基于深度學(xué)習(xí)的農(nóng)作物病蟲(chóng)害圖像識(shí)別技術(shù)研究進(jìn)展[J]. 賈少鵬,高紅菊,杭瀟.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(S1)
[3]基于深度學(xué)習(xí)的農(nóng)作物病害檢測(cè)[J]. 魏超,范自柱,張泓,王松.  江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[4]農(nóng)作物病蟲(chóng)害圖像識(shí)別技術(shù)的研究綜述[J]. 汪京京,張武,劉連忠,黃帥.  計(jì)算機(jī)工程與科學(xué). 2014(07)
[5]基于圖像和光譜信息融合的病蟲(chóng)害葉片檢測(cè)系統(tǒng)[J]. 謝春燕,吳達(dá)科,王朝勇,李巖.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(S1)

博士論文
[1]不均衡數(shù)據(jù)分類方法的研究[D]. 曹鵬.東北大學(xué) 2014



本文編號(hào)：3367569