番茄植株在生長過程中感染各種病蟲害,從而導(dǎo)致番茄的產(chǎn)量降低和種植戶的利潤損失。當(dāng)前番茄病蟲害檢測主要通過農(nóng)業(yè)專家人工進(jìn)行,這種人工檢測方法既昂貴又耗時(shí)。目前利用計(jì)算機(jī)視覺和深度學(xué)習(xí)達(dá)到病蟲害自動(dòng)分類識別的方法大多都是在受控環(huán)境下進(jìn)行的,對病蟲害所處背景環(huán)境的要求較高,同時(shí)不能實(shí)現(xiàn)病蟲害的定位。針對這些問題,基于深度學(xué)習(xí)的思想,提出了一種基于YOLO卷積神經(jīng)網(wǎng)絡(luò)的番茄病蟲害檢測算法,同時(shí)建立了一個(gè)專家標(biāo)注病蟲害信息的真實(shí)自然環(huán)境下的番茄病蟲害圖像數(shù)據(jù)庫,將本試驗(yàn)的番茄病蟲害檢測算法在此數(shù)據(jù)庫上進(jìn)行測試,對8類番茄病蟲害的檢測平均精度高達(dá)85.09%。結(jié)果表明,該算法能夠有效地提升番茄病蟲害檢測的精度和速度,得到番茄病蟲害的精準(zhǔn)定位,優(yōu)于Faster R-CNN和SSD等農(nóng)業(yè)病蟲害檢測方法。 

【文章來源】：中國瓜菜. 2020,33(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

模型速度對比[16]

圖1 模型速度對比[16]基于YOLO的病蟲害檢測系統(tǒng)架構(gòu)，其主干網(wǎng)絡(luò)是Darknet-53，有53個(gè)卷積層，和殘差網(wǎng)絡(luò)類似，在一些層之間建立了快捷連接，降低了梯度爆炸的概率，提高了檢測的速度和精度。根據(jù)圖2，輸入為416×416，輸出為3個(gè)尺度，適合不同尺寸的病蟲害目標(biāo)檢測，能夠方便地檢測到不同大小的病斑和害蟲。

本算法番茄各類病蟲害檢測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像顯著性分析與卷積神經(jīng)網(wǎng)絡(luò)的茶園害蟲定位與識別[J]. 楊國國,鮑一丹,劉子毅.  農(nóng)業(yè)工程學(xué)報(bào). 2017(06)
[2]基于稀疏編碼金字塔模型的農(nóng)田害蟲圖像識別[J]. 謝成軍,李瑞,董偉,宋良圖,張潔,陳紅波,陳天嬌.  農(nóng)業(yè)工程學(xué)報(bào). 2016(17)



本文編號：3590611