文献类型：期刊文章

作　　者：邱靖[1] 刘继荣[2] 曹志勇[2] 李俊杰[1] 杨毅[2]

QIU Jing;LIU Jirong;CAO Zhiyong;LI Junjie;YANG Yi(Teaching Affairs Office, Yunnan Agricultural University, Kunming 650201, China;College of big data, Yunnan Agricultural University, Kunming 650201, China)

机构地区：[1]云南农业大学教务处,云南昆明650201 [2]云南农业大学大数据学院,云南昆明650201

出　　处：《云南农业大学学报（自然科学版）》

基　　金：云南省教育厅科学研究基金项目(2016ZZX103)

年　　份：2019

卷　　号：34

期　　号：5

起止页码：884-888

语　　种：中文

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

摘　　要：【目的】针对传统水稻病害识别技术对图像特定特征依赖性强、识别效率低等问题,提出将深度学习理论应用到水稻病害识别中,以期取得较好的识别效果。【方法】通过使用深度卷积网络建立水稻病害识别模型,对水稻3种主要病害数据进行了归一化处理,采用深度学习框架Keras进行深度CNN训练。通过设置不同的卷积核尺寸和池化函数,对水稻3种常见病害进行分类识别研究。【结果】卷积核尺寸采用9×9和池化函数采用最大池化构建的模型识别率最高;模型经过5次迭代,其识别准确率就能达到90%以上;当迭代6次时,图像趋于稳定,模型基本达到收敛;从模型性能分析看,损失函数呈梯度下降趋势,变化相对平稳,预测损失偏差逐步减少。【结论】该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,这为植物病害的识别研究提供了参考和借鉴。

关 键 词：卷积神经网络 水稻病害 图像处理 识别模型  

分 类 号：S435.111] TP391.41]