基于深度学习算法的小麦锈病分类


发布时间:

2022-05-08

来源:

本站

作者:

PhenoTrait

  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

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。