|本期目录/Table of Contents|

[1]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.
　He Qian,et al.Study on maize disease recognition based on improved LeNet-5 model[J].Jiangsu Agricultural Sciences,2022,50(20):35-41.
点击复制

基于改进LeNet-5模型的玉米病害识别(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:
35-41
栏目:
“表型组学”专栏
出版日期:
2022-10-20

文章信息/Info

Title:
Study on maize disease recognition based on improved LeNet-5 model
作者:
何前; 郭峰林; 方皓正; 李雅琴
武汉轻工大学数学与计算机学院，湖北武汉 430000
Author(s):
He Qian; et al
关键词:
卷积神经网络; LeNet-5模型; 病害识别; 玉米; 病害图像
Keywords:
-
分类号:
TP183；TP391.41
DOI:
-
文献标志码:
A
摘要:
玉米叶部病虫害严重影响了玉米的产量和质量，为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益，在传统卷积神经网络LeNet-5模型的基础上进行优化改进，提出基于改进的LeNet-5模型，用来分类识别玉米大斑病、锈病、叶斑病3种叶部病害图像及正常玉米图像。首先通过随机旋转、图像增强及尺寸修改方法等对病害图像进行预处理操作，然后增加模型的网络层数，改进后的模型一共有14层，包括输入层、5个卷积层、5个池化层、2个全连接层及输出层，最后用ReLU函数代替传统的Sigmoid激活函数，并且在卷积层和全连接层中加入Dropout策略层，通过试验对比选择合适的丢弃概率，进一步减少参数，防止产生过拟合现象。迭代次数设置为15次，选取11个样本作为1个batch进行训练，通过不断调整参数、优化模型，选择最优的模型在测试集上进行分类识别，最终改进后的模型对玉米叶部病害的识别准确率高达97.3%，为玉米病害的及时防治提供了有效的技术支持。
Abstract:
-

参考文献/References:

［1］毛彦栋，宫鹤. 基于SVM和DS证据理论融合多特征的玉米病害识别研究［J］. 中国农机化学报，2020，41(4)：152-157.
［2］龚瑞昆，刘佳. 图像处理的玉米病害识别研究［J］. 现代电子技术，2021，44(24)：149-152.
［3］韩淑君，鲁振勇. 我国玉米病害发生现状及防治措施［J］. 农业与技术，2015，35(4)：94.
［4］王国伟，刘嘉欣. 基于卷积神经网络的玉米病害识别方法研究［J］. 中国农机化学报，2021，42(2)：139-145.
［5］刘永波，胡亮，曹艳，等. 基于U-Net的玉米叶部病斑分割算法［J］. 中国农学通报，2021，37(5)：88-95.
［6］顾博，邓蕾蕾，李巍，等. 基于GrabCut算法的玉米病害图像识别方法研究［J］. 中国农机化学报，2019，40(11)：143-149.
［7］杨明欣，张耀光，刘涛. 基于卷积神经网络的玉米病害小样本识别研究［J］. 中国生态农业学报(中英文)，2020，28(12)：1924-1931.
［8］樊湘鹏，周建平，许燕. 基于改进区域卷积神经网络的田间玉米叶部病害识别［J］. 华南农业大学学报，2020，41(6)：82-91.
［9］王美娟，尹飞. 卷积神经网络的多尺度改进及其在玉米病害症状识别中的应用［J］. 河南农业大学学报，2021，55(5)：906-916.
［10］Chen J D，Chen J X，Zhang D F，et al. Using deep transfer learning for image-based plant disease identification［J］. Computers and Electronics in Agriculture，2020，173：168-171.
［11］Darwish A，Ezzat D，Hassanien A E. An optimized model based on convolutional neural networks and orthogonal learning particle swarm optimization algorithm for plant diseases diagnosis［J］. Swarm and Evolutionary Computation，2020，52：47-58.
［12］Wang F，Jiang M，Qian C，et al. Residual attention network for image classification［C］. Honolulu，HI，USA：2017 IEEE Conference on Computer Vision and Pattern Recognition(CVPR)，2017：6450-6458.
［13］LeCun Y，Bottou L. Gradient-based learning applied to document recognition［J］. Proceedings of the lEEE，1998，86(11)：2278-2324.
［14］赵彩敏，刘国红. 基于改进的LeNet-5卷积神经网络的人脸表情识别［J］. 许昌学院学报，2021，40(2)：113-116.
［15］张赛，王应彪，杨谭，等. 基于改进LeNet-5模型的木材表面典型缺陷识别方法研究［J］. 木材科学与技术，2021，35(6)：31-37.
［16］吴淑琦. 基于卷积神经网络的玉米病害识别［J］. 现代信息科技，2021，5(9)：6-9.
［17］罗华美. 基于最大池化层参数的优化模型在引力波天文学中的应用［J］. 重庆工商大学学报(自然科学版)，2020，37(1)：59-64.
［18］吴雪琦. 基于卷积神经网络的葡萄病毒病的图像识别［J］. 现代信息科技，2021，5(10)：30-33.

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]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(20):29.

备注/Memo

备注/Memo:
收稿日期：2021-12-10
基金项目：国家自然科学基金(编号：61906140)。
作者简介：何前(1996—)，男，湖北黄冈人，硕士，主要从事图像处理、模式识别与智能农业研究。E-mail：1030460485@qq.com。
通信作者：郭峰林，博士，教授，主要从事嵌入式地理信息系统、数字图像处理、智能控制研究。E-mail：cflguo@gmail.com。
更新日期/Last Update: 2022-10-20