基于卷积神经网络的水稻病害图像识别研究

• 作者: 刘继荣 曹志勇 李俊杰 杨毅 邱靖
• 来源期刊: 云南农业大学学报（自然科学）
• 学科: 农学
• 关键词: 卷积神经网络 水稻病害 图像处理 识别模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 农业工程
• 页码范围: 884-888
• 页数: 5页
• 分类号: S435.111|TP391.41
• 字数: 3250字
• 语种: 中文
• DOI: 10.12101/j.issn.1004-390X(n).201805010

摘要

[目的]针对传统水稻病害识别技术对图像特定特征依赖性强、识别效率低等问题,提出将深度学习理论应用到水稻病害识别中,以期取得较好的识别效果.[方法]通过使用深度卷积网络建立水稻病害识别模型,对水稻3种主要病害数据进行了归一化处理,采用深度学习框架Keras进行深度CNN训练.通过设置不同的卷积核尺寸和池化函数,对水稻3种常见病害进行分类识别研究.[结果]卷积核尺寸采用9×9和池化函数采用最大池化构建的模型识别率最高;模型经过5次迭代,其识别准确率就能达到90％以上;当迭代6次时,图像趋于稳定,模型基本达到收敛;从模型性能分析看,损失函数呈梯度下降趋势,变化相对平稳,预测损失偏差逐步减少.[结论]该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,这为植物病害的识别研究提供了参考和借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹志勇	云南农业大学大数据学院	48	185	8.0	11.0
2	杨毅	云南农业大学大数据学院	38	222	8.0	13.0
3	李俊杰	云南农业大学教务处	10	21	3.0	3.0
4	邱靖	云南农业大学教务处	29	118	6.0	10.0
5	刘继荣	云南农业大学大数据学院	1	3	1.0	1.0