改进DenseNet融合去雾算法的水果病害识别
在水果种植领域,病虫害是威胁水果生长的主要因素之一.文章通过识别水果叶片实现复杂环境下对水果病害的识别和防治,对提高水果产量和品质具有关键作用.基于以上问题,文章提出了一种基于深度学习的新型植物病害识别模型,该模型首先通过图像归一化处理和MSRCR去雾算法完成对图像的预处理与增强,然后使用基于梯度上的Canny SLIC算法对病害图像数据集进行高精度的分割,进而得到包含病斑特征的叶片,最后通过改进的DenseNet算法对图像进行病害特征识别和分类,完成水果病害图像的识别.在水果病害中,以白粉病、黑痘病、炭疽病为例进行测试,结果表明该模型平均正确率为98.98％,远高于传统的CNN卷积架构模型的正确率.该模型实现了复杂环境下水果病害图像的识别,可用于辅助水果病害的自动识别与检测,提高了水果病害图像识别的清晰度和准确率.
改进DenseNet算法、去雾算法、水果病害图像识别
18
TP18(自动化基础理论)
2022-10-20（万方平台首次上网日期，不代表论文的发表时间）
共3页
70-72
