基于卷积神经网络和小样本的茶树病害图像识别

• 作者: 孙云云 张立平 李绍稳 江朝晖 董伟 饶元
• 来源期刊: 江苏农业学报
• 学科: 农学
• 关键词: 茶叶病害 图像识别 卷积神经网络 小样本
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 植物保护
• 页码范围: 48-55
• 页数: 8页
• 分类号: S126
• 字数: 4554字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2019.01.007

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AlexNet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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍稳	安徽农业大学信息与计算机学院	97	1070	16.0	30.0
2	董伟	安徽省农业科学院农业经济与信息研究所	20	89	4.0	8.0
3	张立平	安徽省农业科学院农业经济与信息研究所	25	149	7.0	11.0
4	江朝晖	安徽农业大学信息与计算机学院	55	390	10.0	17.0
5	饶元	安徽农业大学信息与计算机学院	42	120	7.0	9.0
6	孙云云	安徽农业大学信息与计算机学院	4	24	3.0	4.0