基于云服务对田间杂草智能检测系统的研究

• 作者: 王键 郭俊先 马生健
• 来源期刊: 北方园艺
• 学科: 工学
• 关键词: 杂草检测 病害识别 NASNet-mobile 深度学习 细粒度分类
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 农业信息技术
• 页码范围: 144-150
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11937/bfyy.20194764

摘要

为了解决田间复杂的环境使传统图像处理对杂草识别精度差的问题,该研究对8种常见的杂草进行采集,数据集由17 509张带有标签的图像组成,采用迁移学习的方式对田间杂草进行识别,并对训练出的模型进行微调,使其进一步提高识别的准确率.对VGG 19、Inception V4、ResNesXt 101和NASNet-mobile 4种模型进行比对,选用模型参数小且准确率高的NASNet-mobile模型,并将其部署到云服务中.云服务端使用Gin搭建模型交互,用于识别杂草并返回识别信息;使用CSS和Java script语言及Element封装的组件开发前端服务,用于实现数据的采集、上传与信息反馈.NASNet-mobile模型在部署的服务器中的性能达到了每幅图像的平均时间为285 ms,对8种杂草准确率达到91.43％,对于扁轴木与飞机草识别率达到98％,可为田间杂草信息检测和调查提供技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭俊先	新疆农业大学机电工程学院	63	417	11.0	17.0
2	马生健	岭南师范学院生命科学与技术学院	10	13	2.0	3.0
3	王键	新疆农业大学机电工程学院	3	0	0.0	0.0