学术中心
基于多任务深度迁移学习的水稻叶片病害和小麦叶片病害识别
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-06-28 06:10
- 访问量:
【概要描述】本文收集了三种水稻叶病和两种小麦叶病害共计40幅叶病图像,并对其进行了增强。基于多任务学习的思想,对视觉几何组网络-16(VGG16)模型进行改进,并利用ImageNET上的预训练模型进行迁移学习和交替学习。
基于多任务深度迁移学习的水稻叶片病害和小麦叶片病害识别
【概要描述】本文收集了三种水稻叶病和两种小麦叶病害共计40幅叶病图像,并对其进行了增强。基于多任务学习的思想,对视觉几何组网络-16(VGG16)模型进行改进,并利用ImageNET上的预训练模型进行迁移学习和交替学习。
- 分类:植物表型资讯
- 作者:PhenoTrait
- 来源:本站
- 发布时间:2021-06-28 06:10
- 访问量:
世界上超过三分之二人口以大米或小麦为主食,而水稻和小麦的主要种植区域分布于中国和亚洲其他国家。然而,各种病害会影响水稻和小麦生长,使其减产,甚至在一些地区造成饥荒现象。叶片病害作为一种植物病害,会严重影响作物产量。在这种背景下,为了降低损失,寻找快速准确的识别病害方法迫在眉睫。针对这一问题,本文收集了三种水稻叶病和两种小麦叶病害共计40幅叶病图像,并对其进行了增强。基于多任务学习的思想,对视觉几何组网络-16(VGG16)模型进行改进,并利用ImageNET上的预训练模型进行迁移学习和交替学习。
水稻叶片病害和小麦叶片病害的样本图像
数据增强后的水稻叶片病害和小麦叶片病害样本图像
改进的 VGG16 模型
结果显示,该模型对水稻叶片病害的准确率为97.22%,对小麦叶片病害的准确率为98.75%。通过对比实验证明,该方法的学习效果优于单任务模型、迁移学习重用模型、resnet50模型和densenet121模型。综上所述,本文提出的改进的VGG16模型和多任务迁移学习方法可以同时识别水稻叶片病害和小麦叶片病害,为多种植物叶片病害的识别提供了可靠的方法。
迁移学习训练过程
三个模型验证集的精度变化曲线
来源:
Jiang Z, Dong Z, Jiang W and Yang Y. Recognition of rice leaf diseases and wheat leaf diseases based on multi-task deep transfer learning. Computers and Electronics in Agriculture 2021. https://doi.org/10.1016/j.compag.2021.106184.
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