植物病害检测的Gabor胶囊网络


发布时间:

2020-12-13

来源:

本站

作者:

PhenoTrait

在大多数人口以农业为生的非洲国家,作物病害加剧了粮食危机、营养不良和贫困等现象。人工植物病害识别方法使用广泛,但局限性强、效率低、成本高、耗时长,因此寻找自动、高效的植物病害识别方法显得尤为重要。为了解决这一问题,机器学习和卷积神经网络已经被应用到该领域,并取得了令人瞩目的成绩,但往往“数据饥渴”,不可变通且易受攻击,导致分类错误。而胶囊网络避免了CNNs的弱点,但在农业病害识别领域尚未得到广泛应用。因此,本文提出利用Gabor和胶囊网络对模糊、变形和隐性的番茄和柑橘病害图像进行识别。

 

本研究采用的工作流程图

 

两个数据集的样本图像

实验结果表明,该模型可以达到98.13%的测试精度,与文献中最先进的CNN模型的性能相当。此外,该模型在鲁棒性、灵活性、快速收敛性和参数(较少)等方面均优于两种最先进的深度学习模型(作为基线模型实现)。这项工作可推广到其他作物,也可作为在恶劣天气和恶劣光照条件下识别植物隐性病害的有用工具。

 

对于基线CNN模型,减少了由于图像大小而导致的准确性下降

 

来源:

Kwabena P M and Weyori B A. Gabor Capsule Network for Plant Disease Detection. IJACSA.

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。