文献类型：期刊文章

作　　者：孙云云[1] 江朝晖[1] 董伟[2] 张立平[2] 饶元[1] 李绍稳[1]

SUN Yun-yun;JIANG Zhao-hui;DONG Wei;ZHNAG Li-ping;RAO Yuan;LI Shao-wen(School of Information and Computer Science, Anhui Agricultural University, Hefei 230036, China;Institute of Agricultural Economics and Information, Anhui Academy of Agricultural Sciences, Hefei 230036, China)

机构地区：[1]安徽农业大学信息与计算机学院,安徽合肥230036 [2]安徽省农业科学院农业经济与信息研究所,安徽合肥230036

出　　处：《江苏农业学报》

基　　金：农业部农业物联网技术集成与应用重点实验室开放基金项目(2016KL01);国际先进农业科技计划的引进与创新项目(No.2016-X34);安徽农业大学2018年度研究生创新基金项目(2018yjs-63)

年　　份：2019

卷　　号：35

期　　号：1

起止页码：48-55

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：以常见且特征相似的茶轮斑病、炭疽病和云纹叶枯病为对象,研究在小样本情况下利用卷积神经网络进行病害图像识别问题。运用7种模式的预处理方法对茶树叶部病害图像样本进行处理,并采用Alex Net经典网络模型进行学习实验,比较、分析其训练及识别效果。结果显示,模式7训练模型精度为93. 3%,平均测试准确率为90%,且对茶轮斑病、炭疽病和云纹叶枯病的正确区分率分别为85%、90%和85%,在预测值和真实值一致性方面优于其他预处理方法。在小样本情况下,该预处理方法可有效区分、识别3种易混病害,且识别精度高,性能好。

关 键 词：茶叶病害  图像识别 卷积神经网络 小样本

分 类 号：S126]