10.3969/j.issn.1673-2871.2020.09.004
基于YOLO的番茄病虫害识别算法
番茄植株在生长过程中感染各种病虫害,从而导致番茄的产量降低和种植户的利润损失.当前番茄病虫害检测主要通过农业专家人工进行,这种人工检测方法既昂贵又耗时.目前利用计算机视觉和深度学习达到病虫害自动分类识别的方法大多都是在受控环境下进行的,对病虫害所处背景环境的要求较高,同时不能实现病虫害的定位.针对这些问题,基于深度学习的思想,提出了一种基于YOLO卷积神经网络的番茄病虫害检测算法,同时建立了一个专家标注病虫害信息的真实自然环境下的番茄病虫害图像数据库,将本试验的番茄病虫害检测算法在此数据库上进行测试,对8类番茄病虫害的检测平均精度高达85.09%.结果表明,该算法能够有效地提升番茄病虫害检测的精度和速度,得到番茄病虫害的精准定位,优于Faster R-CNN和SSD等农业病虫害检测方法.
番茄、图像处理、病虫害检测、YOLO、目标检测
33
S641.2
2019年度潍坊科技发展计划项目;2018年度山东省高等学校科研创新平台山东省高校设施园艺实验室资助项目;2018年度教育部科技发展中心创新基金;寿光市2018年应用技术研究;开发计划项目;2018年度校级课题
2020-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
18-22,38