基于知识图谱与深度学习的黄瓜叶部病害识别方法-《江苏农业科学》

参考文献/References:

［1］Martinelli F，Scalenghe R，Davino S，et al. Advanced methods of plant disease detection：a review［J］. Agronomy for Sustainable Development，2015，35(1)：1-25.
［2］张燕，田国英，杨英茹，等. 基于SVM的设施番茄早疫病在线识别方法研究［J］. 农业机械学报，2021，52(增刊1)：125-133，206.
［3］Zahid I，Attique K M，Muhammad S，et al. An automated detection and classification of citrus plant diseases using image processing techniques：a review ［J］. Computers and Electronics in Agriculture，2018，153：12-32.
［4］Fang Y，Ramasamy R P.Current and prospective methods for plant disease detection［J］. Biosensors，2015，4：537-561.
［5］Dubey S R，Jalal A S. Apple disease classification using color，texture and shape features from images ［J］. Signal Image & Video Processing，2016，10(5)：819-826.
［6］Bai X，Li X，Fu Z，et al. A fuzzy clustering segmentation method based on neighborhood grayscale information for defining cucumber leaf spot disease images ［J］. Computers and Electronics in Agriculture，2017，136：157-165.
［7］何前，郭峰林，方皓正，等. 基于改进LeNet-5模型的玉米病害识别［J］. 江苏农业科学，2022，50(20)：35-41.
［8］王权顺，吕蕾，黄德丰，等. 基于改进YOLOv4算法的苹果叶部病害缺陷检测研究［J］. 中国农机化学报，2022，43(11)：182-187.
［9］李鑫星，朱晨光，白雪冰，等. 基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究［J］. 光谱学与光谱分析，2019，39(7)：2250-2256.
［10］Deepthi M B，Sreekantha D K. Application of expert systems for agricultural crop disease diagnoses：a review［C］//International Conference on Inventive Communication & Computational Technologies，2017：222-229.
［11］蒋清健，姚勇，付志军等. 基于改进卷积神经网络算法的番茄叶片病害识别［J］. 江苏农业科学，2022，50(20)：29-34.
［12］Sladojevic S，Arsenovic M，Anderla A，et al. Deep neural networks based recognition of plant diseases by leaf image classification［J］. Computational Intelligence and Neuroscience，2016，2016：3289801.
［13］Ma J，Du K，Zheng F，et al. A recognition method for cucumber diseases using leaf symptom images based on deep convolutional neural network［J］. Computers and Electronics in Agriculture，2018，154：18-24.
［14］Kamilaris A，Prenafeta-Boldu F X. A review of the use of convolutional neural networks in agriculture［J］. The Journal of Agricultural Science，2018，156(3)：312-322.
［15］AI-Saffar A A M，Tao H，Talab M A. Review of deep convolution neural network in image classification［C］//Proceedings of 2017 International Conference on Radar，Antenna，Microwave，Electronics，and Telecommunications.Jakarta，Indonesia，2017：26-31.
［16］Zhang S，Zhang S，Zhang C，et al. Cucumber leaf disease identification with global pooling dilated convolutional neural network［J］. Computers and Electronics in Agriculture，2019，162：422-430.
［17］张善文，王振，王祖良. 多尺度融合卷积神经网络的黄瓜病害叶片图像分割方法［J］. 农业工程学报，2020，36(16)：149-157.
［18］Fuentes A，Sang C K，Yoon S，et al. A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition［J］. Sensors，2017，17(9)：2022-2043.
［19］吴赛赛，周爱莲，谢能付，等. 基于深度学习的作物病虫害可视化知识图谱构建［J］. 农业工程学报，2020，36(24)：177-185.
［20］董丽丽，程炯，张翔，等. 融合知识图谱与深度学习的疾病诊断方法研究［J］. 计算机科学与探索，2020，14(5)：815-824.
［21］刘知远，韩旭，孙茂松. 知识图谱与深度学习［M］. 北京：清华大学出版社，2020：62-69.
［22］王海晏，江涛，王芳，等. 基于知识图谱的目标识别模型［J］. 探测与控制学报，2022，44(6)：76-80，86.
［23］王丹丹. 宁夏水稻知识图谱构建方法研究与应用［D］. 银川：北方民族大学，2020：28-40.
［24］李颀，赵洁，杨柳，等. 基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别［J］. 浙江农业学报，2019，31(3)：487-495.
［25］王志彬，王开义，王书锋，等. 基于动态集成的黄瓜叶部病害识别方法［J］. 农业机械学报，2017，48(9)：46-52.
［26］牛学德，高丙朋，南新元，等. 基于改进DenseNet卷积神经网络的番茄叶片病害检测［J］. 江苏农业学报，2022，38(1)：129-134.
［27］王献锋，张善文，王震，等. 基于叶片图像和环境信息的黄瓜病害识别方法［J］. 农业工程学报，2014，3(14)：148-153.

相似文献/References:

[1]梁万杰,曹宏鑫.基于卷积神经网络的水稻虫害识别[J].江苏农业科学,2017,45(20):241.
　Liang Wanjie,et al.Identification of rice insect pests based on CNN model[J].Jiangsu Agricultural Sciences,2017,45(15):241.
[2]赵建敏,李艳,李琦,等.基于卷积神经网络的马铃薯叶片病害识别系统[J].江苏农业科学,2018,46(24):251.
　Zhao Jianmin,et al.Potato leaf disease identification system based on convolutional neural network[J].Jiangsu Agricultural Sciences,2018,46(15):251.
[3]杜军,寇佳丽,赵培阳.基于CiteSpace的我国精准扶贫研究热点与前沿趋势分析[J].江苏农业科学,2019,47(19):6.
　Du Jun,et al.Analysis of hotspots and frontier trends of Chinas precision poverty alleviation research based on CiteSpace[J].Jiangsu Agricultural Sciences,2019,47(15):6.
[4]张梅,王萌,马中.基于CiteSpace的中国农产品区域品牌研究知识图谱分析[J].江苏农业科学,2020,48(03):5.
　Zhang Mei,et al.Knowledge map analysis of Chinas agricultural product regional brand research based on CiteSpace[J].Jiangsu Agricultural Sciences,2020,48(15):5.
[5]魏青迪,范昊,张承明.基于ECLDeeplab模型提取华北地区耕地的方法[J].江苏农业科学,2020,48(04):209.
　Wei Qingdi,et al.A method for extracting cultivated land in North China based on ECLDeeplab model[J].Jiangsu Agricultural Sciences,2020,48(15):209.
[6]陈峰,谷俊涛,李玉磊,等.基于机器视觉和卷积神经网络的东北寒地玉米害虫识别方法[J].江苏农业科学,2020,48(18):237.
　Chen Feng,et al.Recognition method of corn pests in northeast cold region based on machine vision and convolutional neural network[J].Jiangsu Agricultural Sciences,2020,48(15):237.
[7]严陶韬,高婷,周之栋,等.基于文献计量的生物炭土壤效应分析[J].江苏农业科学,2021,49(4):191.
　Yan Taotao,et al.Analysis of biochar soil effect based on bibliometrics[J].Jiangsu Agricultural Sciences,2021,49(15):191.
[8]陈旭君,王承祥,孙福,等.基于改进Faster R-CNN的田间植株幼苗检测方法[J].江苏农业科学,2021,49(4):159.
　Chen Xujun,et al.Detection method for plant seedlings in fields based on improved Faster R-CNN[J].Jiangsu Agricultural Sciences,2021,49(15):159.
[9]黎振,陆玲,熊方康.基于k-means分割和迁移学习的番茄病理识别[J].江苏农业科学,2021,49(12):156.
　Li Zhen,et al.Tomato pathological recognition based on k-means segmentation and transfer learning[J].Jiangsu Agricultural Sciences,2021,49(15):156.
[10]范宏,刘素红,陈吉军,等.基于深度学习的白喉乌头与牧草高精度分类研究[J].江苏农业科学,2021,49(12):173.
　Fan Hong,et al.Study on high-precision classification of Aconitum leucostomum Worosch and pasture based on deep learning[J].Jiangsu Agricultural Sciences,2021,49(15):173.

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

文章信息/Info

参考文献/References:

相似文献/References:

备注/Memo

常用功能

导航/Navigate

工具/Tools

统计/Statistics