基于增强型Fast-RCNN的作物病害检测和分类的深度学习模型


发布时间:

2021-02-03

来源:

本站

作者:

PhenoTrait

近年来,植物表型分析受到了许多研究者的关注,在提高农业生产力方面发挥着重要作用。印度经济高度依赖农业,因此能够对农田作物进行早期病害检测至关重要。为了解决这一问题,一些研究人员试图通过基于计算机视觉和模式识别的机制,在早期阶段识别受感染的作物。

 

提出了基于ResNet的快速RCNN

 

本文提出了一种增强型RCNN递归卷积神经网络结构,提高了作物病害早期诊断的预测准确性。根据模拟研究,我们观察到,与CNN和其他最先进的机制相比,所提出的模型表现更好。

 

CNN模型的示意图

 

CNN模型与现有机制的比较分析

 

来源:

Harish M, A V L N Sujith and K. Santhi. An Enhanced Faster-RCNN Based Deep Learning Model for Crop Diseases Detection and Classification. IJEAT. DOI: 10.35940/ijeat.F9212.088619.

 

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。