基于卷积神经网络和小样本的茶树病害图像识别

被引：35

作者：

孙云云 ^{[1
]}

江朝晖 ^{[1
]}

董伟 ^{[2
]}

张立平 ^{[2
]}

饶元 ^{[1
]}

李绍稳 ^{[1
]}

机构：

[1] 安徽农业大学信息与计算机学院

[2] 安徽省农业科学院农业经济与信息研究所

来源：

江苏农业学报 | 2019年 / 35卷 / 01期

关键词：

茶叶病害; 图像识别; 卷积神经网络; 小样本;

D O I：

暂无

中图分类号：

S435.711 [茶病虫害]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

090401 ; 090402 ; 080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

以常见且特征相似的茶轮斑病、炭疽病和云纹叶枯病为对象,研究在小样本情况下利用卷积神经网络进行病害图像识别问题。运用7种模式的预处理方法对茶树叶部病害图像样本进行处理,并采用Alex Net经典网络模型进行学习实验,比较、分析其训练及识别效果。结果显示,模式7训练模型精度为93. 3%,平均测试准确率为90%,且对茶轮斑病、炭疽病和云纹叶枯病的正确区分率分别为85%、90%和85%,在预测值和真实值一致性方面优于其他预处理方法。在小样本情况下,该预处理方法可有效区分、识别3种易混病害,且识别精度高,性能好。

引用

页码：48 / 55

页数：8

共 17 条

[1] 基于卷积神经网络的草莓叶部白粉病病害识别 [J].