基于深度卷积神经网络的柑橘黄龙病症状识别

• 作者: 戴泽翰 许美容 赖云燕 邓晓玲 郑正 鲍敏丽 黄莉舒
• 来源期刊: 华南农业大学学报
• 学科: 农学
• 关键词: 柑橘黄龙病 症状识别 卷积神经网络 迁移学习
• 年，卷（期）: 2020,（4）
• 页码范围: 111-119
• 页数: 9页
• 分类号: S436.66
• 字数: 8489字
• 语种: 中文
• DOI: 10.7671/j.issn.1001-411X.201909031

摘要

[目的]探究深度学习在柑橘Citrus spp.黄龙病症状识别上的可行性,并评估识别器的识别准确率.[方法]以黄龙病/非黄龙病引起的发病叶片图像及健康叶片图像为训练素材,基于卷积神经网络及迁移学习技术构建二类识别器(I-2-C和M-2-C)和八类识别器(I-8-C和M-8-C).[结果]M-8-C模型的整体识别表现最优,对所有图像的识别准确率为93.7％,表明构建的神经网络识别器能有效辨别柑橘黄龙病症状;I-8-C和M-8-C对所有类型图像的平均F1分值分别为77.9％ 和88.4％,高于I-2-C(56.3％)和M-2-C(52.5％),表明症状细分有利于提高模型的识别能力.同时M-8-C比I-8-C略高的平均F1分值表明基于MobileNetV1结构的八类识别器识别表现略优于基于InceptionV3的八类识别器.基于M-8-C改进的识别器M-8f-C能够转移到智能手机上,在田间测试中取得较好的识别表现.[结论]基于深度学习和迁移学习开发的识别器对黄龙病单叶症状具有较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓晓玲	华南农业大学农学院	40	303	9.0	16.0
2	许美容	华南农业大学农学院	14	59	5.0	7.0
3	郑正	华南农业大学农学院	14	40	3.0	6.0
4	鲍敏丽	华南农业大学农学院	7	28	4.0	5.0
5	戴泽翰	华南农业大学农学院	3	4	1.0	2.0
6	黄莉舒	华南农业大学农学院	1	0	0.0	0.0
7	赖云燕	华南农业大学农学院	1	0	0.0	0.0