10.12105/j.issn.1672-0423.20200204
基于迁移学习的水稻病虫害识别
[目的]水稻病虫害是引起水稻减产的重要因素.准确地识别水稻病虫害类型,及时采取有效的针对性预防措施,有助于避免因水稻减产带来的经济损失.然而,聚焦于人脸和花草等常见事物的识别技术,在农业领域特别是水稻病虫害识别领域应用较少,而目前已有的水稻病虫害识别研究存在数据量小和数据种类不够丰富等问题.[方法]文章搜集了2.0372万张水稻病虫害图片,并以此构建了完整的水稻病虫害识别数据集,基于迁移学习的思想,在ResNet50的预训练模型基础上构建了一个针对16种主要水稻病虫害识别的深度模型.同时,考虑实际应用的需要,搜集了9928张其他图片(包括人像、汽车等),结合9675张水稻病虫害图片,构建了一个二分类数据过滤模型,以此来避免非水稻病虫害图片被识别为某一类病虫害的不合理结果.[结果]有预训练模型验证结果的top-1准确率达到了95.23%,F1系数为77.83%,相较无预训练模型top-1准确率提升了24.51%,F1系数提升了56.66%.数据过滤模型的过滤准确度达到了99.60%.[结论]基于迁移学习的水稻病虫害识别模型,使水稻病虫害识别结果更加准确.非水稻病虫害过滤模型,有效地解决了实际应用中非水稻病虫害图片被错分为某一类水稻病虫害的问题.
水稻病虫害识别、深度学习、迁移学习、PyTorch、ResNet
32
国家重点研发计划课题"药肥精准施用跨境跨区域大数据平台"2018YFD0200301
2020-09-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
36-44