学术中心

全部分类
您现在的位置:
首页
/
/
/
实例与语义分割相结合的咖啡叶病虫害识别方法

实例与语义分割相结合的咖啡叶病虫害识别方法

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-06-23 06:10
  • 访问量:

【概要描述】在这项工作中,我们提出了一个综合框架,通过使用不同的卷积神经网络(CNN)来自动检测/识别病变,这些病变是通过智能手机采集的咖啡树的一部分。

实例与语义分割相结合的咖啡叶病虫害识别方法

【概要描述】在这项工作中,我们提出了一个综合框架,通过使用不同的卷积神经网络(CNN)来自动检测/识别病变,这些病变是通过智能手机采集的咖啡树的一部分。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-06-23 06:10
  • 访问量:
详情

咖啡作物病虫害的自动诊断是咖啡种植户面临的一个重要问题。计算机视觉和模式识别的传统方法在解决此类具有挑战性的问题方面存在局限性。然而,近几年来,人们对深度学习越来越感兴趣,特别是从智能手机采集的植物田间图像中检测/识别生物胁迫,因为它们受到光照变化、复杂背景、图像噪声等的影响。在这项工作中,我们提出了一个综合框架,通过使用不同的卷积神经网络(CNN)来自动检测/识别病变,这些病变是通过智能手机采集的咖啡树的一部分。

 

给定输入图像的PSPNet网络结构

 

给定输入图像的Mask-CNN网络结构

 

在第一阶段,我们使用一个掩模R-CNN网络进行实例分割;第二阶段利用UNet和PSPNet网络进行语义切分,最后在第三阶段利用ResNet进行分类。对于Mask R-CNN 网络,我们在实例分割任务中获得了73.90%的精度和71.90% 的召回率。对于UNet和PSPNet网络,我们得到的平均交集分别为94.25%和93.54%。结果表明,该框架适合于在嵌入式移动平台上实现,可供实际应用。

 

由三个步骤组成的拟议架构示意图

 

Mask-CNN实现与输入图像和地面真实性比较的结果示例

 

来源:

Lucas M.Tassis, João E.Tozzi de Souza and Renato A.Krohling. A deep learning approach combining instance and semantic segmentation to identify diseases and pests of coffee leaves from in-field images. Computers and Electronics in Agriculture Volume 186, July 2021, 106191. https://doi.org/10.1016/j.compag.2021.106191.

 

关键词:

扫二维码用手机看

推荐新闻

致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明