学术中心

全部分类
您现在的位置:
首页
/
/
/
元学习在植物病害检测中的应用

元学习在植物病害检测中的应用

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-11-05 06:10
  • 访问量:

【概要描述】为了训练网络,本文提供了包含26种植物和60种植物病害的微型植物病害数据集。综合实验表明,本研究提出的LFM-CNAPS方法优于现有的方法。

元学习在植物病害检测中的应用

【概要描述】为了训练网络,本文提供了包含26种植物和60种植物病害的微型植物病害数据集。综合实验表明,本研究提出的LFM-CNAPS方法优于现有的方法。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-11-05 06:10
  • 访问量:
详情

  植物病害会损害作物生长,这对作物的减产具有重大影响。目前的研究工作主要采用卷积神经网络(CNN)来检测苹果赤霉病和南瓜白粉病等的植物病害,但这种方法由于依赖于大量的人工标记数据而存在局限性。此外,植物病原体是可变的,这使得在农场环境中收集足够多的数据变得困难。而基于深度学习的方法在面对较少的数据样本时,准确性和可信度也会降低。本研究提出了基于元学习的局部特征匹配条件神经自适应过程(LFM-CNAPS),旨在通过几个注释示例检测未知类别的植物病害。为了训练网络,本文提供了包含26种植物和60种植物病害的微型植物病害数据集。综合实验表明,本研究提出的LFM-CNAPS方法优于现有的方法。

 

  图1 LFM-CNAPS流程图

  在图中,白色实心正方形为数据变量,黑色箭头为数据流方向,白色空心箭头为正向传播,红色箭头为反向传播。

 

  图2 番茄病害的视觉解析

  (a) 叶霉病;(b) 晚疫病;(c)斑枯病;(d)二斑叶螨。

 

  图3分类基础由TAM可视化的LFM-CNAPS

  (a) 患病的紫檀样品;(b)马铃薯晚疫病样品。

 

  来源 : Chen L., Cui X. and Li W. Meta-Learning for Few-Shot Plant Disease Detection. Foods, 2021, 10,2441. https://doi.org/10.3390/foods10102441。

 

  编辑 : 张玉

关键词:

扫二维码用手机看

推荐新闻

致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

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:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

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