您好，欢迎访问重庆市农业科学院 机构知识库！

基于深度学习的玉米病虫害智能诊断系统开发

文献类型： 中文期刊

作者： 姚强 1 ; 付忠军 1 ; 李君保 1 ; 吕斌 1 ; 粟超 1 ; 郭彩霞 1 ;

作者机构： 1.重庆市农业科学院;酉阳县农业技术推广站;重庆市农业学校

关键词： 玉米病虫害;深度学习;CNN;DenseNet201;智能诊断系统

期刊名称： 南方农业

ISSN： 1673-890X

年卷期： 2023 年 17 卷 017 期

页码： 84-88

摘要： 使用自定义CNN和DenseNet201两种基于深度学习的网络,对大斑病、南方锈病、玉米黏虫、玉米蚜虫、玉米叶螨等10种常见玉米病虫害图像样本开展模型训练,并对部分训练结果进行了对比分析.发现所得val_accuracy大于0.8的模型中,基于CNN网络的模型相对稳定,val_loss值相对较小,说明在特定情况下基于CNN网络的模型收敛性相对较好,但DenseNet201网络更容易取得较高准确率的模型.面向Android系统开发基于深度学习的玉米病虫害智能诊断系统,并对系统开展诊断结果验证.验证结果:系统对于小斑病、纹枯病、茎腐病3种病害的诊断错误率较高,泛化能力不足.结论:开发基于深度学习的玉米病虫害智能诊断系统是可行的,但还需进一步调整完善.

  • 相关文献

[1]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[2]基于3D卷积的高光谱玉米地块识别模型设计与实现. 虞豹,周蕊,李波,王克晓,黄祥. 2022

[3]基于RGB图像和CNN模型的水稻氮素诊断系统. 吕斌,姚强,粟超,李波,查茜,黄祥,詹火木. 2024

[4]基于机器视觉的工厂化循环水养殖智能投喂策略. 李脉,李东升,郑吉澍,蒲德成,李佩原,韦秀丽. 2024

[5]用于农作物种植信息提取的图像分割技术研究进展. 黄祥,王克晓,李波,吴园. 2023

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：重庆市农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台