|本期目录/Table of Contents|

[1]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.
　Jiang Qingjian,et al.Tomato leaf disease recognition based on improved convolutional neural network algorithm[J].Jiangsu Agricultural Sciences,2022,50(20):29-34.
点击复制

基于改进卷积神经网络算法的番茄叶片病害识别(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20期
页码:
29-34
栏目:
“表型组学”专栏
出版日期:
2022-10-20

文章信息/Info

Title:
Tomato leaf disease recognition based on improved convolutional neural network algorithm
作者:
蒋清健1; 2; 姚勇1; 2; 付志军3; 苏钰杰2
1.河南经贸职业学院，河南郑州 450018； 2.河南省智慧农业远程环境监测控制工程技术研究中心，河南郑州 450018；3.郑州轻工业大学，河南郑州 450002
Author(s):
Jiang Qingjian; et al
关键词:
四通道; 卷积神经网络; 多核; 番茄; 病害
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
为了提高番茄叶片病害识别的效果，提出改进卷积神经网络算法。首先Sobel算子获得水平方向、垂直方向、45°、135°对角方向的4个通道图像，四通道卷积神经网络采用不同大小的卷积核提取图像特征；接着双重注意力机制包括空间注意力、通道注意力，空间注意力包括局部注意力机制、全局注意力机制，局部注意力机制注意图像的局部特征，全局注意力机制注意图像的整体特征，空间注意力使用局部-全局交替注意力；通道注意力主要进行加强番茄叶片图像的有用特征抑制无用特征；然后通过K-means聚类方法划分出病害聚类区；最后给出了算法流程。试验仿真结果显示本研究算法对番茄叶片病害黄叶卷曲病、花叶病、蜘蛛螨病、七星斑病、叶霉菌病、早疫病识别准确率平均值分别为98.51%、9792%、96.71%、94.12%、94.63%、94.22%，高于其他算法，同时消耗时间少于其他算法。
Abstract:
-

参考文献/References:

［1］赵广猛，王卫兵. 基于U-Net模型和FCM算法的番茄穴盘苗重叠幼叶分割方法［J］. 江苏农业科学，2022，50(2)：206-212.
［2］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.
［3］杜忠康，房胜，李哲，等. 基于卷积神经网络深度特征融合的番茄叶片病害检测［J］. 中国科技论文，2021，16(7)：701-707.
［4］刘君，王学伟. 融合CNN多卷积特征与HOG的番茄叶部病害检测算法［J］. 北方园艺，2020(4)：147-152.
［5］Yan Z C，Zhang H，Piramuthu R，et al. HD-CNN：hierarchical deep convolutional neural networks for large scale visual recognition［C］//2015 IEEE International Conference on Computer Vision.Santiago，Chile：IEEE，2015：2740-2748.
［6］Chen T，Lu S，Fan J.SS-HCNN：semi-supervised hierarchical convolutional neural network for image classification［J］. IEEE Transactions on Image Processing，2019，28(5)：2389-2398.
［7］Ji R Y，Wen L Y，Zhang L B，et al. Attention convolutional binary neural tree for fine-grained visual categorization［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Seattle，WA：IEEE，2020：10465-10474.
［8］Zeng W H，Li M. Crop leaf disease recognition based on Self-Attention convolutional neural network［J］. Computers and Electronics in Agriculture，2020，172(4)：105341.
［9］郭彤宇，王博，刘悦，等. 多通道融合可分离卷积神经网络下的脑部磁共振图像分割［J］. 中国图象图形学报，2019，24(11)：2009-2020.
［10］陈立潮，武晨燕，曹建芳，等. 基于双通道卷积神经网络的多标签图像标注［J］. 计算机工程与设计，2019，40(12)：3601-3607.
［11］张宁，吴华瑞，韩笑，等. 基于多尺度和注意力机制的番茄病害识别方法［J］. 浙江农业学报，2021，33(7)：1329-1338.
［12］阚涛，高哲，杨闯. 采用分数阶动量的卷积神经网络随机梯度下降法［J］. 模式识别与人工智能，2020，33(6)：559-567.
［13］汤文亮，黄梓锋. 基于知识蒸馏的轻量级番茄叶部病害识别模型［J］. 江苏农业学报，2021，37(3)：570-578.
［14］王昌龙，张远东，缪宏，等. 双通道卷积神经网络在南瓜病害识别上的应用［J］. 计算机工程与应用，2021，57(5)：183-189.
［15］徐少平，林珍玉，崔燕，等. 采用双通道卷积神经网络构建的随机脉冲噪声深度降噪模型［J］. 电子与信息学报，2020，42(10)：2541-2548.

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(20):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(20):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(20):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(20):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(20):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(20):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(20):173.
[8]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.
　Li Ping,et al.Crop disease detection method based on cross deep learning model[J].Jiangsu Agricultural Sciences,2022,50(20):193.
[9]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(20):199.
[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(20):35.

备注/Memo

备注/Memo:
收稿日期：2022-05-12
基金项目：河南省科技攻关项目(编号：212102310454)；河南省高等职业学校青年骨干教师培养计划(编号：2019GZGG021)。
作者简介：蒋清健(1981—)，男，河南永城人，硕士，副教授，主要从事图像处理、农业物联网和农业大数据挖掘等研究。E-mail：jqj946@qq.com。
更新日期/Last Update: 2022-10-20