复杂环境下的植物病害识别新型研究

摘要：

病害是威胁植物生长的主要因素之一,随着智慧农业的发展,实现在复杂环境下对植物病害的识别是更高效的防治植物病害的基础.针对复杂环境下的叶片识别问题,根据深度学习算法和迁移学习模型,构造出一种新型植物病害识别模型.首先使用复杂背景下的叶片数据集训练RPN算法(region proposal network,区域生成网络)实现对叶片的检测定位,然后使用Chan-Vese算法分割图像得到包含病斑特征的叶片.最后,将分割后的叶片输入经过简单背景下病害叶片数据集训练后的迁移学习模型,实现复杂环境下的植物病害识别.在常见的植物叶片病害中,以褐斑病、霜霉病、灰霉病为例进行测试,通过测试结果表明该方法平均正确率为90.4％,远高于传统的ResNet-101模型的正确率,在复杂环境下的植物病害识别应用上具有很好的实用性.

关键词：植物病害;RPN算法;Chan-Vese算法;迁移学习;ResNet-101

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：四川省科技创新苗子工程2019022

在线出版日期：2021-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：202-207