|本期目录/Table of Contents|

[1]李萍,邵彧,齐国红,等.基于跨深度学习模型的作物病害检测方法[J].江苏农业科学,2022,50(8):193-199.
　Li Ping,et al.Crop disease detection method based on cross deep learning model[J].Jiangsu Agricultural Sciences,2022,50(8):193-199.
点击复制

基于跨深度学习模型的作物病害检测方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第8期
页码:
193-199
栏目:
农业工程与信息技术
出版日期:
2022-04-20

文章信息/Info

Title:
Crop disease detection method based on cross deep learning model
作者:
李萍;  邵彧;  齐国红;  张善文
郑州西亚斯学院电子信息工程学院，河南郑州 451150
Author(s):
Li Ping; et al
关键词:
作物病害检测; 卷积神经网络; 双向长短时记忆; 注意力机制; 跨深度学习模型
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
作物病害叶片症状是病害类型识别的依据，与作物病害发生相关的环境信息是作物病害预测的依据。由于病害叶片症状和环境信息的复杂多样性，使很多作物病害检测方法的准确率不高。针对大田作物病害检测难题，提出一种基于卷积神经网络(convolutional neural networks，简称CNN)和双向长短时记忆网络(BiLSTM)相结合的跨深度学习模型的作物病害检测方法。首先，利用CNN提取作物病害叶片图像的分类特征，利用BiLSTM提取病害发生的环境信息的特征；然后，利用注意力机制对2种特征进行融合；最后，利用Softmax分类器进行病害检测。在作物病害相关数据库上进行试验，识别准确率为92.35%。结果表明，该方法优于传统的病害检测方法和基于长短时记忆神经网络(LSTM)的检测方法。该方法能够准确检测出作物病害，有助于提高大田作物病害检测系统的准确率和鲁棒性。
Abstract:
-

参考文献/References:

［1］陈洁. 农药暴露与肿瘤的关系及非职业暴露人群农药水平的评估与干预初探［D］. 广州：南方医科大学，2017.
［2］鲁军景，孙雷刚，黄文江. 作物病虫害遥感监测和预测研究进展［J］. 遥感技术与应用，2019，34(1)：21-32.
［3］Andreotti G，Hou L F，Beane Freeman L E，et al. Body mass index，agricultural pesticide use，and cancer incidence in the agricultural health study cohort［J］. Cancer Causes & Control，2010，21(11)：1759-1775.
［4］李红，丁丽丽，田英，等. 2019年新疆兵团棉花病虫害发生趋势预测及防治对策［J］. 中国棉花，2019，46(3)：42-43，46.
［5］刁智华，袁万宾，刁春迎，等. 病害特征在作物病害识别中的应用研究综述［J］. 江苏农业科学，2019，47(5)：71-74.
［6］Barbedo J G A. A review on the main challenges in automatic plant disease identification based on visible range images［J］. Biosystems Engineering，2016，144：52-60.
［7］Patil J K，Kumar R. Analysis of content based image retrieval for plant leaf diseases using color，shape and texture features［J］. Engineering in Agriculture，Environment and Food，2016，10：69-78.
［8］Singh V，Misra A K. Detection of plant leaf diseases using image segmentation and soft computing techniques［J］. Information Processing in Agriculture，2017，4(1)：41-49.
［9］Ganatra N，Patel A.A survey on diseases detection and classification of agriculture products using image processing and machine learning［J］. International Journal of Computer Applications，2018，180(13)：7-12.
［10］Ashourloo D，Mobasheri M，Huete A.Evaluating the effect of different wheat rust disease symptoms on vegetation indices using hyperspectral measurements［J］. Remote Sensing，2014，6(6)：5107-5123.
［11］Zhang J C，Pu R L，Yuan L，et al. Integrating remotely sensed and meteorological observations to forecast wheat powdery mildew at a regional scale［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2014，7(11)：4328-4339.
［12］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，2014，30(14)：148-153.
［13］马慧琴. 基于多源数据的小麦白粉病遥感监测与预测模型研究［D］. 南京：南京信息工程大学，2017.
［14］王标，谭小平，尹丽，等. 湖南省农作物重大病虫害监测预警信息系统的研发与应用［J］. 中国植保导刊，2018，38(1)：37-43.
［15］张竞成，袁琳，王纪华，等. 作物病虫害遥感监测研究进展［J］. 农业工程学报，2012，28(20)：1-11.
［16］邱靖，刘继荣，曹志勇，等. 基于卷积神经网络的水稻病害图像识别研究［J］. 云南农业大学学报(自然科学)，2019，34(5)：884-888.
［17］孙文杰，牟少敏，董萌萍，等. 基于卷积循环神经网络的桃树叶部病害图像识别［J］. 山东农业大学学报(自然科学版)，2020，51(6)：998-1003.
［18］张善文，黄文准，尤著宏. 基于物联网和深度卷积神经网络的冬枣病害识别方法［J］. 浙江农业学报，2017，29(11)：1868-1874.
［19］王献锋，张传雷，张善文，等. 基于自适应判别深度置信网络的棉花病害预测［J］. 农业工程学报，2018，34(14)：157-164.
［20］Xiao Q X，Li W L，Chen P，et al. Prediction of crop pests and diseases in cotton by long short term memory network［M］//Huang D S,Jo K H,Zhang X L,et al. Intelligent computing theories and application. Cham：Springer International Publishing，2018：11-16.
［21］肖晴欣. 基于长短时记忆网络的棉花病虫害发生预测研究［D］. 合肥：安徽大学，2019.
［22］Mi Z J，Jiang X H，Sun T F，et al. GAN-generated image detection with self-attention mechanism against GAN generator defect［J］. IEEE Journal of Selected Topics in Signal Processing，2020，14(5)：969-981.
［23］张善文，王振，王祖良. 结合知识图谱与双向长短时记忆网络的小麦条锈病预测［J］. 农业工程学报，2020，36(12)：172-178.

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(8):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(8):251.
[3]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(8):209.
[4]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(8):237.
[5]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(8):159.
[6]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(8):156.
[7]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(8):173.
[8]李祥宇,任艳娜,马新明,等.面向小麦生育进程监测的卷积神经网络精简化研究[J].江苏农业科学,2022,50(8):199.
　Li Xiangyu,et al.Study on simplified convolutional neural network for monitoring wheat growth process[J].Jiangsu Agricultural Sciences,2022,50(8):199.
[9]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.
　Jiang Qingjian,et al.Tomato leaf disease recognition based on improved convolutional neural network algorithm[J].Jiangsu Agricultural Sciences,2022,50(8):29.
[10]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.
　He Qian,et al.Study on maize disease recognition based on improved LeNet-5 model[J].Jiangsu Agricultural Sciences,2022,50(8):35.

备注/Memo

备注/Memo:
收稿日期：2021-06-09
基金项目：国家自然科学基金(编号：62072378)；河南省科技重点研发与推广重点专项(科技攻关)(编号：192102210289、202102210157、202102210386、212102210404 )；河南省教育厅高等学校重点科研项目(编号：20A520045)。
作者简介：李萍(1979—)，女，河南郑州人，硕士，副教授，从事模式识别及其在精准农业大数据中的应用研究。E-mail：sias_ping@163.com。
通信作者：张善文，博士，教授，从事模糊模式识别及其在精准农业中的应用研究。E-mail：wjdw716@163.com。
更新日期/Last Update: 2022-04-20