文献类型：期刊文章

作　　者：刘永波[1] 胡亮[1] 曹艳[1] 唐江云[1] 雷波[1]

Liu Yongbo;Hu Liang;Cao Yan;Tang Jiangyun;Lei Bo(Institute of Agricultural Information and Rural Economy,Sichuan Academy of Agricultural Sciences,Chengdu 610011)

机构地区：[1]四川省农业科学院农业信息与农村经济研究所,成都610011

出　　处：《中国农学通报》

基　　金：四川省科技计划项目“基于深度卷积神经网络的玉米病害智能识别与分级鉴定研究”(2018JY0631);四川省科技支撑计划“十三五畜禽育种战略研究与云服务平台建设”(2016NYZ0054);四川省软科学研究计划“旅游业对乡村农户生计韧性的扰动机理及防范对策研究:以四川省为例”(2020JDR0324)。

年　　份：2021

卷　　号：37

期　　号：5

起止页码：88-95

语　　种：中文

收录情况：RCCSE、ZGKJHX、普通刊

摘　　要：本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%,叶片分割MIoU值达到96.33%,且运算速度均在1秒内完成。试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性。该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标。

关 键 词：玉米病害 图像处理 全卷积  U-Net  病程分级  

分 类 号：S24]