棉花叶片病害的元深度学习识别模型


发布时间:

2022-07-18

来源:

本站

作者:

PhenoTrait

  农业对每个国家的发展都至关重要。棉花等主要作物属于经济作物。棉花受造成重大作物损失的大多数疾病的影响。许多病害通过叶片影响产量。及早发现疾病可以避免作物受到进一步的损害。棉花易患多种病害,包括叶斑病、靶斑病、细菌性枯萎病、营养缺乏、白粉病、卷叶病等。准确的疾病识别是采取有效措施的关键。深度学习在植物病害鉴定中起着重要的作用。本文提出的基于元深度学习的棉花叶片病害识别模型(图1)对几种病害进行了准确识别。本研究技术路线如图2,从田间采集了棉花叶片图像。数据集(图3)包含2385张健康和患病叶片的图像。在数据扩充方法的帮助下,增加了数据集的大小。数据集使用自定义CNN、VGG16迁移学习、ResNet50和我们提出的模型:元深度学习叶片疾病识别模型进行训练。该模型采用了元深度学习策略,元深度模型从不同的模型中学习,使用集成方法将所有模型结合起来以提供良好的准确性和泛化性,产生一个最终的模型。图4显示了不同模型疾病F1评分,该模型在棉花数据集的精度达到98.53%(图5)。

 

  元深度学习叶片疾病识别模型采用了元深度学习策略,这种方法可以用于多种作物的疾病检测,证明了一种通用的方法是一个好主意。该模型的一个局限性是其部署在移动设备上。未来,该模型可以在处理低分辨率图像和减小模型尺寸方面进一步改进。这将有助于在移动设备上部署模型。

 

  图1 所提出的元深度学习叶片疾病识别模型

 

  图2 叶片病害识别模型的工作流程。

 

  图3 数据集:不同疾病类别的棉花叶片图像

 

  图4不同模型疾病F1评分

 

  图5 CNN、VGG16、ResNet50和所提出的模型在棉花数据集上的模型精度

  

  来源:Memon, M.S.; Kumar, P.; Iqbal, R. Meta Deep Learn Leaf Disease Identification Model for Cotton Crop. Computers 2022, 11, 102. https://doi.org/10.3390/computers11070102

 

  编辑:王春颖

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。