|本期目录/Table of Contents|

[1]党婉誉,周烨炆,徐斌腾.基于特征重组网络的小样本农作物病害叶片检测[J].江苏农业科学,2024,52(20):236-243.
　Dang Wanyu,et al.Few-shot detection for crop disease leaves based on feature recombination network[J].Jiangsu Agricultural Sciences,2024,52(20):236-243.
点击复制

基于特征重组网络的小样本农作物病害叶片检测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第20期
页码:
236-243
栏目:
病虫害智能检测
出版日期:
2024-10-20

文章信息/Info

Title:
Few-shot detection for crop disease leaves based on feature recombination network
作者:
党婉誉1;  周烨炆2;  徐斌腾3
1.驻马店职业技术学院信息工程学院/河南省乡村智慧农业工程研究中心，河南驻马店 463000； 2.河南农业大学信息与管理科学学院，河南郑州 450003； 3.郑州大学电气与信息工程学院，河南郑州 450001
Author(s):
Dang Wanyu; et al
关键词:
作物病害叶片检测; 特征重组; 全局平均池化; 特征增强; 原型集
Keywords:
-
分类号:
TP391.41；S126
DOI:
-
文献标志码:
A
摘要:
针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题，提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先，采用支持分支和查询分支的双分支网络结构，将支持图像和查询图像映射到深度特征空间，并在支持分支中采用特征增强网络缓解映射特征与原始标注不对齐的问题。其次，借助全局平均池化策略生成初始原型，利用该原型反向指导原始支持图像中病害叶片的识别，并根据初始识别结果对原型进行优化。再次，通过比对识别区域与原始标注之间的特征差异，构造辅助原型与主域原型。最后，融合原始原型、辅助原型和主域原型，构造多原型集，并利用度量方法计算原型集与查询特征间的关联，根据关联值给出预测标签。在自建的橘子、番茄和苹果等病害叶片数据集上进行测试，所提出方法分别获得了97.18%的精准率、97.31%的召回率、96.90%的F1分数和84.71%的FB-IoU，优于主流的目标检测方法。
Abstract:
-

参考文献/References:

［1］陈聪，于啸，宫琪. 基于改进残差网络的苹果叶片病害识别研究［J］. 河南农业科学，2023，52(4)：152-161.
［2］Chen J D，Wang W H，Zhang D F，et al. Attention embedded lightweight network for maize disease recognition［J］. Plant Pathology，2021，70(3)：630-642.
［3］王焕鑫，沈志豪，刘泉，等. 基于改进MobileNet v2模型的农作物叶片病害识别研究［J］. 河南农业科学，2023，52(4)：143-151.
［4］马丽，周巧黎，赵丽亚，等. 基于深度学习的番茄叶片病害分类识别研究［J］. 中国农机化学报，2023，44(7)：187-193，206.
［5］罗东升，周子敬，王志伟，等. 改进ACGAN数据增强的番茄叶片病害识别［J］. 太原理工大学学报，2023，54(5)：861-868.
［6］Ahila Priyadharshini R，Arivazhagan S，Arun M，et al. Maize leaf disease classification using deep convolutional neural networks［J］. Neural Computing and Applications，2019，31(12)：8887-8895.
［7］左昊轩，黄祺成，杨佳昊，等. 基于改进YOLO v5s的作物黄化曲叶病检测方法［J］. 农业机械学报，2023，54(增刊1)：230-238.
［8］陶兆胜，石鑫宇，王勇，等. 基于改进YOLO v5s的番茄叶片病害检测方法［J］. 沈阳农业大学学报，2023，54(6)：712-721.
［9］惠巧娟，孙婕. 基于多尺度特征度量元学习的玉米叶片病害识别模型研究［J］. 江苏农业科学，2023，51(9)：199-206.
［10］刘敏，周丽. 基于多尺度特征融合网络的苹果病害叶片检测［J］. 中国农机化学报，2023，44(8)：184-190.
［11］邢鹏康，李久朋. 基于小样本学习的马铃薯叶片病害检测［J］. 江苏农业科学，2023，51(15)：203-210.
［12］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.
［13］李军，李志伟，李艳红. 基于多原型指导的小样本水稻害虫识别与分类［J］. 江苏农业科学，2023，51(20)：193-200.
［14］Jia J F，Feng X，Yu H Q. Few-shot classification via efficient meta-learning with hybrid optimization［J］. Engineering Applications of Artificial Intelligence，2024，127：107296.
［15］冯晓，李丹丹，王文君，等. 基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别［J］. 河南农业科学，2021，50(4)：174-180.
［16］Islam M M，Adil M A A，Talukder M A，et al. DeepCrop：deep learning-based crop disease prediction with web application［J］. Journal of Agriculture and Food Research，2023，14：100764.
［17］Yang L，Yu X Y，Zhang S P，et al. GoogLeNet based on residual network and attention mechanism identification of rice leaf diseases［J］. Computers and Electronics in Agriculture，2023，204：107543.
［18］孙开伟，刘虎，冉雪，等. 基于多尺度原型分层匹配的小样本分割方法［J］. 计算机科学，2023，50(增刊1)：220300275.
［19］王林柏，张博，姚竞发，等. 基于卷积神经网络马铃薯叶片病害识别和病斑检测［J］. 中国农机化学报，2021，42(11)：122-129.
［20］Uskaner Hepsagˇ P. Efficient plant disease identification using few-shot learning：a transfer learning approach［J］. Multimedia Tools and Applications，2024，83(20)：58293-58308.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2024-06-30
基金项目：国家自然科学基金(编号：62002330)。
作者简介：党婉誉(1991—)，女，河南驻马店人，硕士，讲师，主要从事农业、林业、计算机应用技术等研究。E-mail：wydan1991@163.com。
更新日期/Last Update: 2024-10-20