学术中心
基于自动卷积神经网络的稻叶病检测方法
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-04-14 06:10
- 访问量:
【概要描述】本文研究了水稻4种患病叶片及健康叶片,通过基于深度学习CNN模型的高精度自动检测方法,代替传统冗长的人工病害检测过程,为水稻叶片病害的检测提供最佳的结果。
基于自动卷积神经网络的稻叶病检测方法
【概要描述】本文研究了水稻4种患病叶片及健康叶片,通过基于深度学习CNN模型的高精度自动检测方法,代替传统冗长的人工病害检测过程,为水稻叶片病害的检测提供最佳的结果。
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-04-14 06:10
- 访问量:
孟加拉国和印度是全球重要的水稻种植国。水稻是孟加拉国的主要农作物。在过去的11年里,农业在孟加拉国国内生产总值(GDP)中所占的比重约为15.08%。但不幸的是,各种病害造成水稻产量的严重损失,辛勤耕耘的农民们不得不面对巨大损失。水稻叶病约有30多种,其中约7-8种病害在孟加拉国较为常见。水稻叶病,如褐斑病、稻瘟病、白叶枯病等是水稻叶病中最常见的病害之一。这些病害严重阻碍了水稻的生长发育和生产力,造成了巨大的生态和经济损失。如果能在早期准确、短时间内发现这些病害,就可以大大减少对农作物的危害,及时止损。
本文提出的方案流程
水稻叶病(a)褐斑病,(b)叶瘟病,(c)叶枯病,(d)叶黑粉病
本文研究了水稻4种患病叶片及健康叶片,通过基于深度学习CNN模型的高精度自动检测方法,代替传统冗长的人工病害检测过程,为水稻叶片病害的检测提供最佳的结果。研究人员对VGG-19、Inception-Resnet-V2、Resnet-101、exception四种模型进行了分析。结果显示,Inception-Resnet-V2得到了较好的准确率为92.68%。
训练和验证精度图
来源:
Md. Ashiqul Islam, Md. Nymur Rahman Shuvo, Muhammad Shamsojjaman, et al. An Automated Convolutional Neural Network Based Approach for Paddy Leaf Disease Detection. IJACSA. DOI: 10.14569/IJACSA.2021.0120134.
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