基于区域卷积神经网络模型的广西柑橘病虫害识别方法研究

摘要：

[目的]研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据.[方法]设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度.[结果]R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30％,对红蜘蛛感染的平均识别准确率为90.30％,对溃疡病的平均识别准确率为99.10％,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20％、88.20％和95.20％),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25％、4.62％和2.55％.R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果.[结论]R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用.

关键词：区域神经网络模型、柑橘病虫害、图像识别、广西

所属期刊栏目：33

分类号：S436.6(病虫害及其防治)

资助基金：广西重点研发计划项目桂科AB17195060

在线出版日期：2020-06-17（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：805-810