基于卷积神经网络的葡萄叶片病害检测方法

• 作者: 冯全 刘阗宇 杨森
• 来源期刊: 东北农业大学学报
• 学科: 工学
• 关键词: 葡萄病害 卷积神经网络 病害检测 多角度建议区域 叶片检测 叶片掩模
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 研究报告
• 页码范围: 73-83
• 页数: 11页
• 分类号: TP391.41
• 字数: 5129字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9369.2018.03.009

摘要

文章采用多角度建议区域Faster-RCNN准确定位图像中葡萄叶片,提出一种基于卷积神经网络的病害检测方法,检测图像叶片病害.相比直接检测图像病害,可去除背景因素对病害区域干扰,降低错误率.结果表明,该算法对自然条件下葡萄病害成像适应性良好.文章统计6种不同条件下拍摄图像,对一般叶片检测算法平均mAP为75.52％,显著高于传统算法.在病害检测时,采用两种策略:从一幅图像中检测到每个单个叶片,或将整幅图像对叶片取掩模后,作为下一级病害检测器输入图像.结果表明,第一种方法,6种常见葡萄病害平均mAP为66.47％,其中褐斑病与白粉病mAP超过70％;第二种方法,病害检测平均mAP为51.44％,但平均检测时间节约75％.两种方法性能均优于在原始图像上直接病害检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯全	甘肃农业大学机电工程学院	64	369	11.0	14.0
2	刘阗宇	甘肃农业大学机电工程学院	3	25	3.0	3.0
3	杨森	甘肃农业大学机电工程学院	6	26	3.0	5.0