文献类型：期刊文章

作　　者：郭丹[1] 路阳[1] 李建宁[2] 姜峰[1] 李爱传[1]

Guo Dan;Lu Yang;Li Jianning;Jiang Feng;Li Aichuan(College of Electrical and Information,Heilongjiang Bayi Agricultural University,Daqing 163319,China;Jixi Public Security Bureau,Jixi 158100,China)

机构地区：[1]黑龙江八一农垦大学电气与信息学院,黑龙江大庆163319 [2]鸡西市公安局,黑龙江鸡西158100

出　　处：《农机化研究》

基　　金：中国博士后科学基金面上项目(2016M591560);黑龙江省政府博士后资助项目(LBH-Z15185);黑龙江省博士后科研启动金资助项目(LBH-Q17134);黑龙江省自然科学基金面上项目(C2018050);黑龙江省教育厅"青年创新人才"项目(CXRC2017014);黑龙江八一农垦大学"校内培育重点项目"(XA2016-05);黑龙江八一农垦大学科研启动计划项目(XDB2014-12)

年　　份：2019

卷　　号：41

期　　号：12

起止页码：42-45

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、核心刊

摘　　要：北方寒地水稻纹枯病的危害日趋严重,是困扰水稻种植户的一大难题。为监测该病害的发生,提出了一种基于深度信念网络的病害识别新方法。首先,利用高斯滤波对病害图像进行增强预处理,采用Sobel边缘检测算子提取水稻纹枯病病斑特征;其次,设计并训练了包含3个隐含层受限玻尔兹曼机的深度信念网络,并利用文中提出的深度信念网络对1 500幅水稻纹枯病图像进行识别。7重交叉验证测试结果表明:平均识别准确率高达94.05%,优于常见的BP神经网络和支持向量机识别方法,为准确识别水稻纹枯病奠定了基础。

关 键 词：水稻 纹枯病 图像识别  DBN Sobel算子边缘检测  

分 类 号：TP391.41] S435.111.42[计算机类]