10.11975/j.issn.1002-6819.202301122
基于改进DenseNet和迁移学习的荷叶病虫害识别模型
病虫害的发生将会严重影响莲藕品质与产量,开展病害诊断与识别对藕田病虫害及时对症对病诊治、提升莲藕生产质量与经济效益具有重要意义.该研究以荷叶病虫害高效、准确识别为目标,提出了一种基于改进DenseNet和迁移学习的荷叶病虫害识别模型.采用分支结构对模型的浅层特征提取模块进行改进,并在Dense Block与Transition Layer中引入 Squeeze and Excitation 注意力机制模块和锐化的余弦卷积,最后基于 Plantvillage 数据集进行迁移学习,实现了91.34%的识别准确率.该研究实现了对荷叶腐败病、病毒病、斜纹夜蛾、叶腐病、叶斑病的识别,并将改进后的模型推广应用于基于无人机图像的藕田病虫害检测,实现了病害分布可视化,可对莲藕病虫害的智能化防治提供有益指导.
模型、无人机、病虫害识别、荷叶、DenseNet、注意力机制、余弦相似度、迁移学习
39
TP391.4;S24(计算技术、计算机技术)
国家特色蔬菜产业技术体系项目;湖北省高等学校优秀中青年科技创新团队计划项目;中央高校基本科研业务费专项基金
2023-07-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
188-196