基于卷积神经网络结合图像处理技术的荞麦病害识别

• Published in: 农业工程学报 Vol. 37; no. 3; pp. 155 - 163
• Main Authors: 陈善雄, 伍胜, 于显平, 易泽林, 雷兴华
• Format: Journal Article
• Language: Chinese
• Published: 西南大学计算机与信息科学学院,重庆 400715%西南大学农学与生物科技学院,重庆 400715%重庆市农业学校,重庆 401329 01.02.2021
• Subjects: 病害; 特征提取; 卷积神经网络; 图像处理; 深度学习; 荞麦; 图像识别
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2021.03.019

S24; 荞麦病害的发生极大地影响了荞麦的品质和产量,对病害的监测是确保荞麦产业健康发展的重要措施.该研究利用深度学习中卷积神经网络的多层特征提取方式,对荞麦病害的特征进行抽取,然后根据特征进行分类,最终实现对荞麦病害的判别.首先采用一种最大稳定极值区域(MSER,Maximally Stable Extremal Regions)和卷积神经网络(CNN,Convolutional Neural Network)结合的方法对荞麦发病区域进行检测,实现了病害区域与非病害区域的分离,准确定位病灶位置;然后在传统卷积神经网络框架上,通过提升网络宽度,约束参数量,加入了两级inception结构,对成像环境复杂,低质量荞麦图像准确地进行特征抽取.同时,为了降低采样过程中光照的影响,采用基于余弦相似度的卷积代替传统的卷积运算,对于光照不均的荞麦叶片也能够进行较好的病害识别.最后,为了验证该研究所提方法的有效性,建立一个包含8种荞麦病害图像的数据集,结果表明采用MSER和CNN结合的区域检测与两级inception识别框架的方法,对于荞麦是否发病判别的精确率、召回率、以及精确率和召回率加权调和平均值分别达到了97.54％,96.38％,97.82％;对于具体病害的识别其均值为84.86％,85.78％,85.40％.该方法在识别精度和速度方面具有良好的性能,为实现荞麦病害的自动识别提供了重要的技术支持.