文献类型：期刊文章

作　　者：刘阗宇[1] 冯全[1] 杨森[1]

LIU Tianyu;FENG Quan;YANG Sen(School of mechanical and electrical Engineering,Gansu Agricultural University,Lanzhou,730070,China)

机构地区：[1]甘肃农业大学机电工程学院,兰州730070

出　　处：《东北农业大学学报》

基　　金：国家自然科学基金项目(61461005)

年　　份：2018

卷　　号：49

期　　号：3

起止页码：73-83

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：文章采用多角度建议区域Faster-RCNN准确定位图像中葡萄叶片,提出一种基于卷积神经网络的病害检测方法,检测图像叶片病害。相比直接检测图像病害,可去除背景因素对病害区域干扰,降低错误率。结果表明,该算法对自然条件下葡萄病害成像适应性良好。文章统计6种不同条件下拍摄图像,对一般叶片检测算法平均mAP为75.52%,显著高于传统算法。在病害检测时,采用两种策略:从一幅图像中检测到每个单个叶片,或将整幅图像对叶片取掩模后,作为下一级病害检测器输入图像。结果表明,第一种方法,6种常见葡萄病害平均mAP为66.47%,其中褐斑病与白粉病mAP超过70%;第二种方法,病害检测平均mAP为51.44%,但平均检测时间节约75%。两种方法性能均优于在原始图像上直接病害检测方法。

关 键 词：葡萄病害 卷积神经网络 病害检测 多角度建议区域  叶片检测  叶片掩模  

分 类 号：TP391.41]