一种基于卷积神经网络的小麦病害识别方法

• 作者: 张承明 张航 武英洁 殷复伟 王亚新 程清
• 来源期刊: 山东农业科学
• 学科: 农学
• 关键词: 小麦病害 卷积神经网络 在线识别 病害识别
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 信息技术·农业工程
• 页码范围: 137-141
• 页数: 5页
• 分类号: S512.1|S127
• 字数: 3468字
• 语种: 中文
• DOI: 10.14083/j.issn.1001-4942.2018.03.031

摘要

针对准确识别小麦常见病害的需要,提出了一种基于卷积神经网络的小麦病害识别方法.该方法首先以小麦病害图片资料为基础,利用中值滤波法、直方图阈值法等对图像进行去背景、去噪、病斑分割等预处理形成样本库,然后利用卷积神经网络构建一个具有五层结构的深度学习模型进行样本学习,并利用随机梯度下降法进行学习过程控制,最后以获取的特征集对小麦图片进行病害识别,并形成一个在线识别系统.在泰安市4样点的试验结果表明,利用该方法可以有效实现对小麦常见病害---纹枯病、条锈病、叶锈病、秆锈病、赤霉病和白粉病的识别,综合识别率可达99%以上,可以应用于实际生产管理.