学术中心
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.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

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