成人免费看片入口,免费看成年人视频,成人在线免费播放视频,成人黄色免费播放

基于CNN的馬鈴薯葉部病害識(shí)別—一種輕量級(jí)方法

發(fā)布時(shí)間：

2025-04-13

來(lái)源：

作者：

利用人工智能模型訓(xùn)練獲取可靠、準(zhǔn)確的數(shù)據(jù)是當(dāng)前農(nóng)業(yè)植物病害監(jiān)測(cè)的重要手段。馬鈴薯因其品種、氣候和環(huán)境因素不同，其葉片病害檢測(cè)具有相當(dāng)大的挑戰(zhàn)性。目前報(bào)道較多的植物病害分類模型是基于VGG16、Inception V3、ResNet50。本研究針對(duì)馬鈴薯葉枯病建立了一個(gè)全新的卷積神經(jīng)網(wǎng)絡(luò)分類模型。與現(xiàn)有方法相比，該模型具有穩(wěn)健和輕量級(jí)的雙重優(yōu)勢(shì)。

 

試驗(yàn)將馬鈴薯葉片分為三組，即患病早期、晚期以及健康組。使用“PlantVillage”和PLD兩個(gè)標(biāo)準(zhǔn)的公開可用數(shù)據(jù)集進(jìn)行訓(xùn)練。結(jié)果顯示，該模型在兩個(gè)數(shù)據(jù)集上分別實(shí)現(xiàn)了99.3%和99.23%的正確率。為達(dá)到上述精度，作者在數(shù)據(jù)采集后的預(yù)處理階段使用了圖像增強(qiáng)算法CLAHE。
 
該模型構(gòu)建方法簡(jiǎn)便，層數(shù)更少且參數(shù)較少，在計(jì)算受限的環(huán)境中可高效發(fā)揮作用。下一步研究將聚焦提高提模型泛化性，使其能夠識(shí)別除馬鈴薯以外的各種作物病害。同時(shí)嘗試進(jìn)一步最小化參數(shù)，使模型更加高效。
 

圖1. 模型流程

 

圖2. 混淆矩陣

 

 圖3. 訓(xùn)練驗(yàn)證準(zhǔn)確性

 

圖4. 不同卷積層的特征提取輸出

 

圖5. 訓(xùn)練驗(yàn)證損失

 

 圖6. ROC曲線 

  

表1.精度測(cè)量與其他模型的比較

 
來(lái) 源

P. Khobragade, A. Shriwas, S. Shinde, A. Mane and A. Padole, "Potato Leaf Disease Detection Using CNN," 2022 International Conference on Smart Generation Computing, Communication and Networking (SMART GENCON), Bangalore, India, 2022, pp. 1-5, doi: 10.1109/SMARTGENCON56628.2022.10083986.

 

編輯

JAYz

推薦新聞

石時(shí)之約|韓志國(guó)：透過(guò)表型數(shù)據(jù)，看見(jiàn)植物的喜怒哀樂(lè)！

本期石時(shí)之約，我們將對(duì)話慧諾瑞德（北京）科技有限公司總經(jīng)理、國(guó)際植物表型學(xué)會(huì)（IPPN）執(zhí)委會(huì)委員/工業(yè)分會(huì)副主席韓志國(guó)，一起從表型數(shù)據(jù)的科學(xué)角度，去讀懂農(nóng)作物的喜怒哀樂(lè)和前世今生。

慧科研、慧育種、慧種田——慧聚改變的力量

讓我們“慧聚”在一起，為“慧科研、慧育種、慧種田”賦能。

高通量植物表型平臺(tái)建設(shè)注意事項(xiàng)

育種，是在給定的環(huán)境條件下，選擇各種表型指標(biāo)(產(chǎn)量、品質(zhì)、抗性)最優(yōu)的基因型材料的過(guò)程(AI育種，從這里起步)。育種工作中大約70%的工作量來(lái)自表型觀察測(cè)量和篩選，是最耗人力物力的過(guò)程。

作物生理表型測(cè)量基礎(chǔ)原理

生理表型測(cè)量的核心在于“早、快”，要在肉眼可見(jiàn)之前就能測(cè)量并預(yù)判出變化趨勢(shì)，才是這個(gè)技術(shù)的核心價(jià)值。葉綠素?zé)晒獬上?，恰好滿足了這個(gè)要求。