«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第51卷

期数:

2023年第8期

页码:

164-170

栏目:

农业工程与信息技术

出版日期:

2023-04-20

文章信息/Info

Title:

Detection and identification of corn leaf disease based on ResNet model

作者:

熊梦园¹; 詹炜¹; 桂连友² ; 刘虎¹; 王佩文¹; 韩涛¹; 李伟豪¹; 孙泳¹

1.长江大学计算机科学学院，湖北荆州 434023； 2.湖北省农林病虫害预警与调控工程技术研究中心/长江大学农学院，湖北荆州 434025

Author(s):

Xiong Mengyuan; et al

关键词:

玉米病害识别; ResNet; CBAM注意力机制; 智慧农业; 计算机视觉

Keywords:

-

分类号:

TP391.41

DOI:

-

文献标志码:

A

摘要:

针对当前玉米病害发生量大、病情复杂、难以防治，严重影响玉米产量和质量的问题，提出了一种基于卷积神经网络和迁移学习的玉米叶片病害检测与识别方法。首先收集了3 827张玉米健康叶片图像和3种不同的玉米病害叶片图像样本，为了使模型拥有更好的泛化能力，使用生成对抗网络对样本进行处理，得到分辨率更高的样本，再对样本进行平移旋转，使样本数量达到5 153张。然后构建ResNet模型，分别对ResNet34、ResNet50及对其添加CBAM注意力机制和FPN特征金字塔网络，并通过迁移学习方法将预训练权重迁移到训练模型中。试验结果表明，ResNet50结合CBAM注意力机制模型的准确率达到了97.5%，相比ResNet50模型准确率提升了4.2百分点，相比ResNet34模型准确率提升了4.9百分点。本研究表明，提出的ResNet50结合CBAM注意力机制模型能够较精准地检测识别玉米枯萎叶、锈病叶、灰斑病叶和健康叶。并可将模型安装在无人机等移动设备上，实现对玉米叶片病害智能化防治，而且后期还会扩充更多的植物病害数据，实现对多类植物病害的检测，为智慧农业添砖加瓦，促进农业防治现代化。

Abstract:

-

参考文献/References:

［1］张会敏，谢泽奇，张善文. 基于注意力胶囊网络的作物病害识别方法［J］. 江苏农业科学，2022，50(6)：101-106.
［2］李彧，余心杰，郭俊先. 基于全卷积神经网络方法的玉米田间杂草识别［J］. 江苏农业科学，2022，50(6)：93-100.
［3］刘翱宇，吴云志，朱小宁，等. 基于深度残差网络的玉米病害识别［J］. 江苏农业学报，2021，37(1)：67-74.
［4］万军杰，祁力钧，卢中奥，等. 基于迁移学习的GoogLeNet果园病虫害识别与分级［J］. 中国农业大学学报，2021，26(11)：209-221.
［5］曾伟辉，唐欣，胡根生，等. 基于卷积块注意力胶囊网络的小样本水稻害虫识别［J］. 中国农业大学学报，2022，27(3)：63-74.
［6］张军锋，尚展垒. 基于深度学习卷积神经网络的花生籽粒完整性检测［J］. 食品与机械，2022，38(5)：24-29，36.
［7］戴泽翰，郑正，黄莉舒，等. 基于深度卷积神经网络的柑橘黄龙病症状识别［J］. 华南农业大学学报，2020，41(4)：111-119.
［8］陶国柱. 基于卷积神经网络的茉莉花病虫害识别算法研究［D］. 南宁：广西民族大学，2021：1-16.
［9］刘君，王学伟. 基于YOLO的番茄病虫害识别算法［J］. 中国瓜菜，2020，33(9)：18-22，38.
［10］戴子兵. 基于语义分割的水稻病害检测技术［D］. 成都：西华大学，2020：1-25.
［11］郭利进，李言. 基于DCNN的玉米叶部病害识别方法［J］. 粮食与油脂，2022，35(3)：72-75，98.
［12］王海燕，张渺，刘虎林，等. 基于改进的ResNet网络的中餐图像识别方法［J］. 陕西科技大学学报，2022，40(1)：154-160.
［13］肖成勇，李擎，王莉，等. 基于CBAM-Unet的铁矿球团边缘分割实验方法［J］. 烧结球团，2022，47(2)：8-15，23.
［14］张德春，李海涛，李勋，等. 基于CBAM和BiFPN改进YoloV5的渔船目标检测［J］. 渔业现代化，2022，49(3)：71-80.
［15］乔星星，施文灶，刘芫汐，等. 基于ResNet双注意力机制的遥感图像场景分类［J］. 计算机系统应用，2021，30(8)：243-248.
［16］王思颖. 基于迁移学习的多领域图像内容审核研究［D］. 成都：电子科技大学，2022：12-20.
［17］高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述［J］. 计算机工程与应用，2021，57(24)：39-50.
［18］张爽. 基于深度学习的双目立体匹配方法研究［D］. 西安：中国科学院大学(中国科学院西安光学精密机械研究所)，2020：31-34.
［19］张睿哲. 基于机器学习的黄砂岩声发射平静期识别研究［D］. 太原：太原理工大学，2021：39-40.
［20］李莉，乔璐，张浩洋. 结合FPN改进R-FCN的肺结节检测算法［J］. 计算机应用与软件，2022，39(4)：179-184.
［21］杨建华. 基于FPN的高分辨率建筑物图像的语义分割［J］. 遥感信息，2021，36(4)：133-141.
［22］Huang H Z，Zhan W，Du Z Q，et al. Pork primal cuts recognition method via computer vision［J］. Meat Science，2022，192：108898.
［23］She J H，Zhan W，Hong S B，et al. A method for automatic real-time detection and counting of fruit fly pests in orchards by trap bottles via convolutional neural network with attention mechanism added［J］. Ecological Informatics，2022，70：101690.
［24］Hong S B，Zhan W，Dong T Y，et al. A recognition method of Bactrocera minax (Diptera：Tephritidae) grooming behavior via a multi-object tracking and spatio-temporal feature detection model［J］. Journal of Insect Behavior，2022，35：67-81.
［25］Zhang Z L，Zhan W，He Z Z，et al. Application of spatio-temporal context and convolution neural network (CNN) in grooming behavior of bactrocera minax (Diptera：Trypetidae) detection and statistics［J］. Insects，2020，11(9)：565.
［26］Zhan W，Sun C F，Wang M C，et al. An improved Yolov5 real-time detection method for small objects captured by UAV［J］. Soft Computing，2022，26(1)：361-373.

相似文献/References:

[1]杨非凡,徐伟诚,陈盛德,等.融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类[J].江苏农业科学,2023,51(14):198.
　Yang Feifan,et al.Rice disease image classification based on fusion of Focal Loss and typical convolutional neural network structure[J].Jiangsu Agricultural Sciences,2023,51(8):198.
[2]章广传,李彤,何云,等.基于迁移模型集成的马铃薯叶片病害识别方法[J].江苏农业科学,2023,51(15):216.
　Zhang Guangchuan,et al.A method for identifying potato leaf diseases based on migration model integration[J].Jiangsu Agricultural Sciences,2023,51(8):216.

备注/Memo

备注/Memo:

收稿日期：2022-06-17
基金项目：国家自然科学基金面上项目(编号：31772206、31972274)；中国高校产学研创新基金新一代信息技术创新项目(编号：2020ITA03012)。
作者简介：熊梦园 (1998—)，男，湖北枝江人，硕士，主要从事计算机视觉技术应用研究。E-mail：2021710574@yangtzeu.edu.cn。
通信作者：詹炜，博士，教授，主要从事计算机视觉技术应用研究。E-mail：zhanwei814@yangtzeu.edu.cn。

常用功能

更新日期/Last Update: 2023-04-20