10.19678/j.issn.1000-3428.0057818
基于多尺度残差神经网络的葡萄叶片病害识别
葡萄叶片不同程度的病害具有一定的相似性,目前对于葡萄叶片病害的识别多为病害种类识别,对不同程度病害识别的研究较少,且传统识别方法对于不同程度病害识别准确率较低.提出一种基于多尺度残差神经网络(Multi-Scale ResNet)的葡萄叶片病害识别方法.对葡萄叶片病害图像进行数据增强与叶片区域标注后,使用Mask R-CNN提取葡萄叶片部位,通过引入多尺度卷积以改变ResNet底层对不同尺度特征的响应,利用加入的SENet提升网络的特征提取能力,并将图像输入Multi-Scale ResNet中进行识别.实验结果表明,该方法的平均识别准确率达到90.83%,相比ResNet18提高了2.87个百分点.
残差网络、病害识别、Mask R-CNN网络、多卷积组合、识别准确率
47
TP753(遥感技术)
中央高校基本科研业务费专项资金;陕西省重点研发计划;宁夏智慧农业产业技术协同创新中心项目
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
285-291,300