典型文献
基于深度学习的苹果病虫害识别投票模型
文献摘要:
为了增加农业收入,减少病虫害对农业作物的影响,及时准确地发现并鉴定病虫害,试验以苹果为例,对苹果的3种典型病虫害(苹果黑星病、苹果锈病,苹果黑腐病)叶片进行检测,即使用公开数据集Plantvillage 中的4645张图片,并将图片按叶片黑星病、锈病、黑腐病为类型进行标注,通过深度学习YOLO-v4 和VGG16 组成的投票模型对苹果叶片进行了训练、验证、测试和评估。结果表明:用于投票模型的两种迭代次数的YOLO-v4 模型取得了平均87.30%的识别准确度;两种迭代次数的VGG16模型取得了平均83.38%的识别准确度。上述4个模型共同构成的投票模型对3种植物病害的识别精度达到该系统对苹果黑星病、苹果锈病、苹果黑腐病的识别精度分别为:95.34%、85.71%和95.24%,平均精度为92.06%;利用该模型可在苹果出现病虫害时,简单快捷地对病虫害种类进行辨别。
文献关键词:
深度学习;苹果;病虫害;YOLO-v4;VGG16投票模型
中图分类号:
作者姓名:
赵哲宇;张子涵;韩莹
作者机构:
南京信息工程大学,江苏南京 210000
文献出处:
引用格式:
[1]赵哲宇;张子涵;韩莹-.基于深度学习的苹果病虫害识别投票模型)[J].中外食品工业,2022(09):62-68
A类:
Plantvillage
B类:
病虫害识别,投票模型,加农,农业收入,苹果黑星病,果锈,锈病,黑腐病,公开数据集,YOLO,v4,VGG16,苹果叶片,迭代次数,植物病害,识别精度,病虫害种类,辨别
AB值:
0.20748
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。