学术中心
深度学习在植物病害识别中的应用
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-02-15 06:10
- 访问量：
【概要描述】本文提出了一种扩展的ROI(EROI)算法，利用病害症状的病理推断来生成分割的图像数据，从而改善DL模型中的特征表示
深度学习在植物病害识别中的应用
【概要描述】本文提出了一种扩展的ROI(EROI)算法，利用病害症状的病理推断来生成分割的图像数据，从而改善DL模型中的特征表示
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：本站
- 发布时间：2021-02-15 06:10
- 访问量：
本文提出了一种基于病区的(ROI)图像数据在叶片表面通过深度学习(DL)进行植物病害识别方法。DL模型是一种用于植物病害自动识别的特殊技术，它采用一系列卷积来表示可见病害区域特征，主要表现为褪绿、坏死和模糊(fuzzy)病变。目前，大部分DL模型方法都是使用整个叶片图像数据，而研究表明其结果倾向于导致ROI不相关特征表示，分类性能较低。因此，一些最先进的深度学习方法是使用分割的ROI图像数据的。
PV数据集中的马铃薯叶图像样本示例
本文提出了一种扩展的ROI(EROI)算法，利用病害症状的病理推断来生成分割的图像数据，从而改善DL模型中的特征表示。该分割算法是使用软计算技术的颜色阈值，遵循一个单独的症状颜色特征，进行所有的病变合并。最后，利用AlexNet、ResNet和VGG三种不同的预训练DL模型的结果来验证该方法的有效性。该方法的优点是利用基于病态类比的EROI图像数据实现最先进的DL模型来识别植物病害。本研究可应用于植物病害识别自动化决策支持系统及精准农业领域的其他资源管理实践。
(a)EROI分割样本结果显示输入图像(b)EROI分割图像
来源：
Abhilash K. Chandel, Lav R. Khot and Bernardita C. Sallato. Deep Learning for Plant Disease Identification from Disease Region Images. Abdu A M, Mokji M M and Sheikh U U.
扫二维码用手机看
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