学术中心
基于深度神经网络的植物病害叶片图像分类识别
发布时间:
2021-04-01
来源:
本站
作者:
PhenoTrait
最新一代卷积神经网络(CNNs)在图像分类领域取得了令人瞩目的成果。本文研究了一种基于深度卷积网络的植物病害识别模型的建立方法。新颖的训练方式和所采用的方法有助于在实践中快速简便地实施。该模型能从健康叶片中识别出13种不同类型的植物病害,并能区分植物叶片和周围环境。
神经网络的简单模型
用于增强的图像变换:(a)仿射变换;(b)透视变换;(c)旋转
训练分类模型中特征的可视化
本文全面描述了实现这一病害识别模型所需的所有基本步骤。Caffe是berkeley Vision and learning Centre开发的深度学习框架,用于进行深度CNN训练。该模型的实验精度在91% ~ 98%之间,单独分类测试的平均精度为96.3%。
输出图层图像
每类预测精度各不相同
来源:
Sladojevic S, Arsenovic M, Anderla A, et al. Deep Neural Networks Based Recognition of Plant Diseases by Leaf Image Classification. Computational Intelligence and Neuroscience. https://doi.org/10.1155/2016/3289801.
点击图片,了解详情
推荐新闻
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。
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
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。
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。
视频展示