文献类型：期刊文章

作　　者：余小东[1,2] 杨孟辑[1,2] 张海清[3] 李丹[1] 唐毅谦[1] 于曦[1,2]

YU Xiaodong;YANG Mengji;ZHANG Haiqing;LI Dan;TANG Yiqian;YU Xi(College of Computer Science,Chengdu University,Chengdu 610106,China;Key Laboratory of Pattern Recognition and Intelligent Information Processing in Sichuan,Chengdu University,Chengdu 610106,China;School of Software Engineering,Chengdu University of Information Technology,Chengdu 610225,China)

机构地区：[1]成都大学计算机学院,成都610106 [2]成都大学模式识别与智能信息处理四川省高校重点实验室,成都610106 [3]成都信息工程大学软件工程学院,成都610225

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(61602064);欧盟Erasmus+SHYFTE项目(598649-EPP-1-2018-1-FR-EPPKA2-CBHE-JP)。

年　　份：2020

卷　　号：51

期　　号：10

起止页码：252-258

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高农作物病虫害严重程度(健康、一般、严重)的分类效果,采用迁移学习方式并结合深度学习提出了一种基于残差网络(ResNet 50)的CDCNNv2算法。通过对10类作物的3万多幅病虫害图像进行训练,获得了病虫害严重程度分类模型,其识别准确率可达91.51%。为了验证CDCNNv2模型的鲁棒性,分别与使用迁移学习的ResNet 50、Xception、VGG16、VGG19、DenseNet 121模型进行对比试验,结果表明,CDCNNv2模型比其他模型的平均精度提升了2.78~10.93个百分点,具有更高的分类精度,病虫害严重程度识别的鲁棒性增强。基于该算法所训练的模型,结合Android技术开发了一款实时在线农作物病虫害等级识别APP,通过拍摄农作物叶片病虫害区域图像,能够在0.1~0.5 s之内获取识别结果(物种病害种类严重程度)及防治建议。

关 键 词：农作物病虫害 病虫害等级分类  深度迁移学习  ResNet 50  移动应用程序

分 类 号：TP391.41] TP181[计算机类]