|本期目录/Table of Contents|

[1]黄炜,王娟娟,殷学丽.基于特征分离的小样本苹果病害叶片检测[J].江苏农业科学,2023,51(23):195-202.
　Huang Wei,et al.Detection of apple disease leaves in small samples based on feature separation[J].Jiangsu Agricultural Sciences,2023,51(23):195-202.
点击复制

基于特征分离的小样本苹果病害叶片检测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第23期
页码:
195-202
栏目:
农业工程与信息技术
出版日期:
2023-12-05

文章信息/Info

Title:
Detection of apple disease leaves in small samples based on feature separation
作者:
黄炜; 王娟娟; 殷学丽
兰州信息科技学院信息工程学院，甘肃兰州 730300
Author(s):
Huang Wei; et al
关键词:
苹果病害; 病害叶片检测; 特征分离; 特征交叉融合; 全局和局部特征; 小样本
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
准确检测出苹果叶片的病害有助于促进苹果保质、增产，提高果农的经济收益。针对现有苹果病害叶片检测模型精度不高的问题，提出一种基于特征分离的小样本苹果病害叶片检测算法。首先，利用VGG-16和Swin Transformer网络将苹果病害叶片映射到全局和局部特征空间，并设计了一种特征交叉融合网络来融合全局和局部特征；然后，提出一种复杂特征的细粒度特征分离方法，通过借助苹果病害叶片的文本标签和病害区域标签将融合的深度特征分离为叶片病害分类特征和叶片病害区域特征；最后，采用对比损失实现复杂特征的分离和模型端到端的优化。通过在Plant Village开源数据集上进行试验，结果表明，所提出方法可以实现96.35%的精准率、95.76%的召回率和96.02%的F1分数，相比当前经典的目标分类模型，所提出模型综合性能表现良好。此外，该模型的提出为苹果病害叶片的细粒度分类提供一种新的思路，并且可以为田间农作物病害检测系统提供技术支撑。
Abstract:
-

参考文献/References:

［1］Turkoglu M，Hanbay D，Sengur A.Multi-model LSTM-based convolutional neural networks for detection of apple diseases and pests［J］. Journal of Ambient Intelligence and Humanized Computing，2022，13(7)：3335-3345.
［2］Bansal P，Kumar R，Kumar S.Disease detection in apple leaves using deep convolutional neural network［J］. Agriculture，2021，11(7)：617.
［3］Khan A I，Quadri S M K，Banday S.Deep learning for apple diseases：classification and identification［J］. International Journal of Computational Intelligence Studies，2021，10(1)：1.
［4］Yan Q A，Yang B H，Wang W Y，et al. Apple leaf diseases recognition based on an improved convolutional neural network［J］. Sensors，2020，20(12)：3535.
［5］杜建军，李大壮，廖生进，等. 基于CT图像和RAUNet-3D的玉米籽粒三维结构测量［J］. 农业机械学报，2022，53(12)：244-253，289.
［6］Rehman Z U，Khan M A，Ahmed F，et al. Recognizing apple leaf diseases using a novel parallel real-time processing framework based on MASK RCNN and transfer learning：an application for smart agriculture［J］. IET Image Processing，2021，15(10)：2157-2168.
［7］李鑫然，李书琴，刘斌. 基于改进Faster R-CNN的苹果叶片病害检测模型［J］. 计算机工程，2021，47(11)：298-304.
［8］刘斌，徐皓玮，李承泽，等. 基于快照集成卷积神经网络的苹果叶部病害程度识别［J］. 农业机械学报，2022，53(6)：286-294.
［9］Di J E，Li Q.A method of detecting apple leaf diseases based on improved convolutional neural network［J］. PLoS One，2022，17(2)：e0262629.
［10］Gong X L，Zhang S J.A high-precision detection method of apple leaf diseases using improved faster R-CNN［J］. Agriculture，2023，13(2)：240.
［11］孙长兰，林海峰. 一种基于集成学习的苹果叶片病害检测方法［J］. 江苏农业科学，2022，50(20)：41-47.
［12］李昊，王斌. 深度特征融合方法及其在叶片病害识别中的应用［J］. 计算机系统应用，2022，31(7)：349-355.
［13］Tian Y N，Li E，Liang Z Z，et al. Diagnosis of typical apple diseases：a deep learning method based on multi-scale dense classification network［J］. Frontiers in Plant Science，2021，12：698474.
［14］Luo Y Q，Sun J，Shen J F，et al. Apple leaf disease recognition and sub-class categorization based on improved multi-scale feature fusion network［J］. IEEE Access，2021，9：95517-95527.
［15］潘仁勇，张欣，陈孝玉龙，等. 基于DTS-ResNet的苹果叶片病害识别方法［J］. 国外电子测量技术，2022，41(9)：142-148.
［16］Thakur P S，Sheorey T，Ojha A.VGG-ICNN：a lightweight CNN model for crop disease identification［J］. Multimedia Tools and Applications，2023，82(1)：497-520.
［17］Guo Y F，Lan Y T，Chen X D.CST：Convolutional Swin Transformer for detecting the degree and types of plant diseases［J］. Computers and Electronics in Agriculture，2022，202：107407.
［18］Li X P，Li S Q.Transformer help CNN see better：a lightweight hybrid apple disease identification model based on transformers［J］. Agriculture，2022，12(6)：884.
［19］Mao B J，Wang L F，Xiang S M，et al. Task-aware adaptive attention learning for few-shot semantic segmentation［J］. Neurocomputing，2022，494：104-115.
［20］Lv Z H，Zhu S H，Wang D S，et al. Infrared-visible person re-identification via dual-channel attention mechanism［J］. Multimedia Tools and Applications，2023，82(15)：22631-22649.

相似文献/References:

[1]许萍萍,李彬,吴翠萍,等.进境旅客携带的澳大利亚苹果中美澳型核果褐腐病菌的检测与鉴定[J].江苏农业科学,2014,42(06):119.
　Xu Pingping,et al.Detection and identification of Monilinia fructicola from imported Australian apple carried by passengers[J].Jiangsu Agricultural Sciences,2014,42(23):119.

备注/Memo

备注/Memo:
收稿日期：2023-03-05
基金项目：甘肃省高等学校创新基金[JP3](编号：2023B-394、2022B-413)。
作者简介：黄炜(1981—)，男，云南昆明人，硕士，副教授，主要从事智能农业及病害检测研究。E-mail：824983955@qq.com。
通信作者：王娟娟，硕士，讲师，主要从事深度学习及农业病害检测研究。E-mail：lutcote_wjj@sina.com。
更新日期/Last Update: 2023-12-05