基于自动卷积神经网络的稻叶病检测方法


发布时间:

2021-04-14

来源:

本站

作者:

PhenoTrait

孟加拉国和印度是全球重要的水稻种植国。水稻是孟加拉国的主要农作物。在过去的11年里,农业在孟加拉国国内生产总值(GDP)中所占的比重约为15.08%。但不幸的是,各种病害造成水稻产量的严重损失,辛勤耕耘的农民们不得不面对巨大损失。水稻叶病约有30多种,其中约7-8种病害在孟加拉国较为常见。水稻叶病,如褐斑病、稻瘟病、白叶枯病等是水稻叶病中最常见的病害之一。这些病害严重阻碍了水稻的生长发育和生产力,造成了巨大的生态和经济损失。如果能在早期准确、短时间内发现这些病害,就可以大大减少对农作物的危害,及时止损。

 

本文提出的方案流程

 

水稻叶病(a)褐斑病,(b)叶瘟病,(c)叶枯病,(d)叶黑粉病

 

本文研究了水稻4种患病叶片及健康叶片,通过基于深度学习CNN模型的高精度自动检测方法,代替传统冗长的人工病害检测过程,为水稻叶片病害的检测提供最佳的结果。研究人员对VGG-19、Inception-Resnet-V2、Resnet-101、exception四种模型进行了分析。结果显示,Inception-Resnet-V2得到了较好的准确率为92.68%。

 

训练和验证精度图

 

来源:

Md. Ashiqul Islam, Md. Nymur Rahman Shuvo, Muhammad Shamsojjaman, et al. An Automated Convolutional Neural Network Based Approach for Paddy Leaf Disease Detection. IJACSA. DOI: 10.14569/IJACSA.2021.0120134.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。