huinuo huinuo

PhenoTrait论坛百博智慧大讲堂亚太表型会议
EN

lukuan

学术中心

全部分类
您现在的位置：
首页
/
学术中心
/
基于深度学习算法的小麦锈病分类

基于深度学习算法的小麦锈病分类

  • 分类：学术中心
  • 作者：PhenoTrait
  • 来源：本站
  • 发布时间：2022-05-08 06:10
  • 访问量：

【概要描述】本研究利用基于深度学习的CNN(即VGG16)迁移学习模型对包含健康小麦以及两类小麦锈病(叶锈病和茎锈病)的CGIAR图像数据集进行分类。深度学习模型通过调整各种超参数(如批大小、迭代数、学习率等)产生了最佳结果。所提出的模型在80个批次上的最佳分类准确率为99.54%，初始学习率从0.01下降到0.0001。

基于深度学习算法的小麦锈病分类

【概要描述】本研究利用基于深度学习的CNN(即VGG16)迁移学习模型对包含健康小麦以及两类小麦锈病(叶锈病和茎锈病)的CGIAR图像数据集进行分类。深度学习模型通过调整各种超参数(如批大小、迭代数、学习率等)产生了最佳结果。所提出的模型在80个批次上的最佳分类准确率为99.54%，初始学习率从0.01下降到0.0001。

  • 分类：学术中心
  • 作者：PhenoTrait
  • 来源：本站
  • 发布时间：2022-05-08 06:10
  • 访问量：
详情

　　锈病是由专性真菌寄生虫引起的植物病害。它们通常具有宿主特异性，对农作物、树木和观赏植物的产量造成较大损失。小麦作为一种重要的粮食作物，其生长过程中常遭受三种典型锈菌的侵害，即叶锈菌、茎锈病和黄锈病。这些病害通常是由人去手动检查，但在大规模的种植区域，该过程费时费力，且容易出现人为错误。因此，在小麦生长早期阶段需要一个高效的系统去识别和分类这些疾病。本研究利用基于深度学习的CNN(即VGG16)迁移学习模型对包含健康小麦以及两类小麦锈病(叶锈病和茎锈病)的CGIAR图像数据集进行分类。深度学习模型通过调整各种超参数(如批大小、迭代数、学习率等)产生了最佳结果。所提出的模型在80个批次上的最佳分类准确率为99.54%，初始学习率从0.01下降到0.0001。

 

　　图1 图像处理步骤。

 

　　图2 用于植物病害检测的机器学习和深度学习算法。

 

　　图3 CNN的基本架构。

 

　　图4 小麦病害检测的逐年统计公布。

 

　　图5 (a)健康的小麦植株、(b)叶锈病和(c)茎锈病的取样图像。

 

　　图6用于小麦锈病检测的VGG16的结构。

 

　　图7 训练和验证准确性比较的表示方法。

 

　　图8训练和验证损失比较的表示方法。

 

　　图9 epoch = 80时的混淆矩阵。

 

　　来源：Sood S, Singh H, Jindal S. Rust Disease Classification Using Deep Learning Based Algorithm: The Case of Wheat[J]. 2022.http://dx.doi.org/10.5772/intechopen.104426

 

　　编辑：小王博士在努力

关键词：

扫二维码用手机看

上一个: 生物刺激素对番茄干旱胁迫调控的表型组学和代谢组学研究
下一个: 植物叶片识别分类方法综述
上一个: 生物刺激素对番茄干旱胁迫调控的表型组学和代谢组学研究
下一个: 植物叶片识别分类方法综述

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！
石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！
石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！
[荐]
[顶]
发布时间 : 2022-11-13 07:26:55
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。
查看详情
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
慧科研、慧育种、慧种田——慧聚改变的力量
慧科研、慧育种、慧种田——慧聚改变的力量
发布时间 : 2022-09-09 16:05:03
让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。
查看详情
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
高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
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。
查看详情
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
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
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。
查看详情
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。

视频展示

透过表型数据看见植物的喜怒哀乐
00:59:21
透过表型数据看见植物的喜怒哀乐
所属分类：
视频展示
发布时间：
2022/11/13
关键词：

专题报道

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！ [ 2022-11-13 ]
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。
植物表型：南繁水稻田间表型研究 [ 2022-04-29 ]
植物表型：西南地区小麦、水稻和大豆表型测量 [ 2021-11-11 ]
光合作用：植物冠层光合表型+GFP/RFP测量 [ 2021-11-04 ]
植物表型：东北地区大豆和水稻的田间高通量表型研究 [ 2021-11-04 ]
光合作用：水稻冠层叶绿素荧光成像测量 [ 2021-10-22 ]

QQ咨询

QQ:7569421

电话沟通

010-62925490

微信咨询

扫一扫添加
动力姐姐微信

TOP

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中路12号院8号楼2门 
电话：010-62925490、82928854、82928864、82928874、18600875228 
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