文献类型：期刊文章

作　　者：彭强[1] 涂赛飞[2] 赵中雨[2] 王卓尔[2] 王细桃[3] 高菲[2]

PENG Qiang;TU Sai-fei;ZHAO Zhong-yu;WANG Zhuo-er;WANG Xi-tao;GAO Fei(Undergraduate College,Wuhan University of Technology,Wuhan 430070,China;School of Information Engineering,Wuhan University of Technology,Wuhan 430070,China;Archives,Wuhan University of Technology,Wuhan 430070,China)

机构地区：[1]武汉理工大学本科生院,武汉430070 [2]武汉理工大学信息工程学院,武汉430070 [3]武汉理工大学档案馆,武汉430070

出　　处：《武汉理工大学学报》

基　　金：大学生创新创业训练计划(202110497071).

年　　份：2022

卷　　号：44

期　　号：9

起止页码：95-100

语　　种：中文

收录情况：AJ、CAS、IC、JST、RCCSE、SCOPUS、普通刊

摘　　要：针对木薯叶片疾病较难分辨、当前疾病检测机制智能化程度低的问题,提出了一种基于HSV色彩空间与EfficientNet的木薯疾病检测方法,设计了木薯疾病自动化监测与处理系统。首先利用HSV色彩空间进行图像预处理,提高目标区域的检测精度,减少图像预处理阶段的信息丢失;然后,引入改进型EfficientNet模型对预处理后的叶片图像进行训练,提取多维度的深度、宽度、分辨率特征,并利用几何方法将患病部位的坐标输出。最后,将该网络部署于嵌入式平台上,机械臂根据输出的坐标准确标定处理患病木薯。结果表明,疾病检测综合准确率为88.4%,其中木薯褐条病检测准确率可达96%,最低的木薯绿斑病可达82%。

关 键 词：疾病监测 HSV色彩空间 机器视觉 EfficientNet网络  嵌入式  

分 类 号：TN911.73]