多结构参数集成学习的设施黄瓜病害智能诊断

• 作者: 孙想 彭程 李奇峰 顾静秋 高荣华
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像识别 智能系统 病害 多结构参数 学习向量化 智能诊断
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 158-165
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.16.020

摘要

单一特征已不能很好的描述作物病害典型特征,而生长环境参数(土壤温湿度、pH值、空气温湿度等)与病害密切相关,多结构数据学习向量化与特征最优组合能够有效提升病害诊断准确性.该研究以黄瓜白粉病、角斑病、炭疽病、菌核病4种病害50个样本为实例,融合结构化作物生长环境参数与非结构化图像特征,通过智能化物联网,对实时采集到的环境参数进行监测、分析,并将其与图像特征融合,构建多结构病害特征最优组合模型.试验结果表明,样本识别率在79.4％～93.6％,对比卷积神经网络图像识别识别率,卷积神经网络由于需要对病害图像数据进行降维,后台识别时间较高;深度迁移学习的图像识别方法,需要大量图像数据输入深度网络学习,而现实中病害图像数量不足以满足深度学习要求,因此识别率会因为样本不充分而降低;该方法借助少量图像数据,同时结合环境与专家知识资源,采用多结构参数集成学习的方法进行病害识别,在较少识别时间的基础上确保识别的准确性.