基于卷积神经网络的葡萄叶片病害检测方法

摘要：

文章采用多角度建议区域Faster-RCNN准确定位图像中葡萄叶片,提出一种基于卷积神经网络的病害检测方法,检测图像叶片病害.相比直接检测图像病害,可去除背景因素对病害区域干扰,降低错误率.结果表明,该算法对自然条件下葡萄病害成像适应性良好.文章统计6种不同条件下拍摄图像,对一般叶片检测算法平均mAP为75.52％,显著高于传统算法.在病害检测时,采用两种策略:从一幅图像中检测到每个单个叶片,或将整幅图像对叶片取掩模后,作为下一级病害检测器输入图像.结果表明,第一种方法,6种常见葡萄病害平均mAP为66.47％,其中褐斑病与白粉病mAP超过70％;第二种方法,病害检测平均mAP为51.44％,但平均检测时间节约75％.两种方法性能均优于在原始图像上直接病害检测方法.

关键词：葡萄病害、卷积神经网络、病害检测、多角度建议区域、叶片检测、叶片掩模

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61461005

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：73-83