«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第49卷

期数:

2021年第6期

页码:

176-182

栏目:

农业工程与信息技术

出版日期:

2021-03-20

文章信息/Info

Title:

Image recognition of tea plant disease small samples based on secondary migration model

作者:

谢军¹; 江朝晖¹; 2; 李博¹; 饶元¹; 2; 张武¹; 2

1.安徽农业大学信息与计算机学院，安徽合肥 230036； 2.智慧农业技术与装备安徽省重点实验室，安徽合肥 230036

Author(s):

Xie Jun; et al

关键词:

茶树病害; 图像识别; 小样本; 二次迁移模型; 残差网络

Keywords:

-

分类号:

S435.711；S126

DOI:

-

文献标志码:

A

摘要:

为提高小样本茶树病害识别的准确率，提出一种基于2次迁移模型的卷积神经网络茶树病害图像识别方法。首先将ResNet模型在ImageNet数据集上进行预训练，然后将预训练模型对植物病害数据集进行参数迁移训练，最后将迁移学习训练后的模型对扩充后的小样本茶树病害数据集进行2次参数迁移训练。结果表明，扩充后的数据集识别准确率较原数据集提高2.32%，再进行2次迁移学习后识别准确率又提高6.38%。通过调整训练超参数，对茶红锈藻病、炭疽病、茶网饼病、圆赤星病、藻斑病等5种茶树病害图像的识别准确率高达96.64%。在对5种茶树病害进行验证时，验证样本识别率与常规深度学习相比由93%提高至98%。2次迁移学习能够有效提高在小样本茶树病害识别下模型的识别能力，对实用化茶树病害识别具有重要的参考意义。

Abstract:

-

参考文献/References:

［1］董照锋，李俊，赵宇. 商洛茶树病虫种类调查及主要病虫害发生分布［J］. 山西农业大学学报(自然科学版)，2018，38(12)：33-37.
［2］刘威，袁丁，郭桂义，等. 茶树炭疽病病原鉴定［J］. 南方农业学报，2017，48(3)：448-453.
［3］Zhang Q C，Yang L T，Chen Z K，et al. A survey on deep learning for big data［J］. Information Fusion，2018，42：146-157.
［4］Rangarajan A K，Purushothaman R，Ramesh A . Tomato crop disease classification using pre-trained deep learning algorithm［J］. Procedia Computer Science，2018，133：1040-1047.
［5］Sun Y，Jiang Z，Zhang L，et al. SLIC_SVM based leaf diseases saliency map extraction of tea plant［J］. Computers & Electronics in Agriculture，2019，157：102-109.
［6］方晨晨，石繁槐. 基于改进深度残差网络的番茄病害图像识别［J］. 计算机应用，2020，40(增刊1)：203-208.
［7］王秀清，陈琪，杨世凤. 基于自适应布谷鸟与反向传播协同搜索的病害识别系统［J］. 天津科技大学学报，2020，35(2)：69-73.
［8］贾少鹏，高红菊，杭潇. 基于深度学习的农作物病虫害图像识别技术研究进展［J］. 农业机械学报，2019，50(增刊1)：313-317.
［9］孙云云，江朝晖，董伟，等. 基于卷积神经网络和小样本的茶树病害图像识别［J］. 江苏农业学报，2019，35(1)：48-55.
［10］任胜男，孙钰，张海燕，等. 基于one-shot学习的小样本植物病害识别［J］. 江苏农业学报，2019，35(5)：1061-1067.
［11］苏婷婷，牟少敏，董萌萍，等. 深度迁移学习在花生叶部病害图像识别中的应用［J］. 山东农业大学学报(自然科学版)，2019，50(5)：865-869.
［12］许景辉，邵明烨，王一琛，等. 基于迁移学习的卷积神经网络玉米病害图像识别［J］. 农业机械学报，2020，51(2)：230-236.
［13］王艳玲，张宏立，刘庆飞，等. 基于迁移学习的番茄叶片病害图像分类［J］. 中国农业大学学报，2019，24(6)：124-130.
［14］Wang K，Zhuo L，Li J F，et al. Learning an enhancement convolutional neural networkfor multi-degraded images［J］，Sensing and Imaging，2020，21(12)：5187-5198.
［15］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)：237-244.
［16］Li Y S，Hu J，Zhao X，et al. Hyperspectral image super-resolution using deep convolutional neural network［J］. Neurocomputing，2017，266(29)：29-41.
［17］王元东. 基于ResNet模型的图像分类方法及应用研究［D］. 南昌：华东交通大学，2019.
［18］Vidya K，Keerthana P，Shyamala Guruvare. Hybrid transfer learning for classification of uterine cervix images for cervical cancer screening［J］，Journal of Digital Imaging，2020，33(2)：619-631.
［19］Zhong M，LeBien J，Campos-Cerqueira M，et al. Multispecies bioacoustic classification using transfer learning of deep convolutional neural networks with pseudo-labeling［J］. Applied Acoustics，2020，166：107375.
［20］Lu Z Y，Bai Y Z，Chen Y，et al. The classification of gliomas based on a pyramid dilated convolution resnet model［J］. Pattern Recognition Letters，2020，133：173-179.
［21］Fei Z G，Wu Z Y，Xiao Y Q，et al. A new short-arc fitting method with high precision using Adam optimization algorithm［J］. Optik，2020，212：164788.
［22］杨观赐，杨静，李少波，等. 基于Dopout与ADAM优化器的改进CNN算法［J］. 华中科技大学学报(自然科学版)，2018，46(7)：122-127.
［23］赵小强，宋昭漾. Adam优化的CNN超分辨率重建［J］. 计算机科学与探索，2019，13(5)：858-865.
［24］魏友达. 基于深度学习的唇语识别技术研究［D］. 西安：中国科学院大学(中国科学院西安光学精密机械研究所)，2019.

相似文献/References:

[1]张飞云.基于提升小波和学习向量量化神经网络的小麦病害图像识别[J].江苏农业科学,2013,41(05):103.
　Zhang Feiyun.Wheat diseases image recognition based on lifting wavelet and learning vector quantization neural network[J].Jiangsu Agricultural Sciences,2013,41(6):103.
[2]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(6):380.
[3]刘丽娟,刘仲鹏.基于改进BP算法的玉米叶部病害图像识别研究[J].江苏农业科学,2013,41(11):139.
　Liu Lijuan,et al.Image recognition of maize leaf diseases based on improved BP algorithm[J].Jiangsu Agricultural Sciences,2013,41(6):139.
[4]刘丽娟,刘仲鹏.北方旱育稀植水稻病害图像识别预处理研究[J].江苏农业科学,2014,42(01):92.
　Liu Lijuan,et al.Study on image preprocessing of maize leaf diseases of dry-cultivated and sparse-planting rice in northern China[J].Jiangsu Agricultural Sciences,2014,42(6):92.
[5]何玲,陈长喜,许晓华.基于物联网的生猪屠宰监管系统关键技术研究[J].江苏农业科学,2017,45(06):201.
　He Ling,et al.Study on key technology of pig slaughtering supervision system based on internet of things[J].Jiangsu Agricultural Sciences,2017,45(6):201.
[6]刁智华,魏玉泉,刁春迎,等.基于图像的小麦白粉病形状特征参数优化与提取[J].江苏农业科学,2017,45(21):229.
　Diao Zhihua,et al.Image-based shape parameter optimization and extraction of wheat powdery mildew[J].Jiangsu Agricultural Sciences,2017,45(6):229.
[7]何彦虎,武传宇,童俊华,等.基于专家系统的穴盘苗品种识别算法设计与试验[J].江苏农业科学,2019,47(04):176.
　He Yanhu,et al.Design and experiment of identification algorithm of plug seedling based on expert system[J].Jiangsu Agricultural Sciences,2019,47(6):176.
[8]陶震宇,孙素芬,罗长寿.基于Faster-RCNN的花生害虫图像识别研究[J].江苏农业科学,2019,47(12):247.
　Tao Zhenyu,et al.Study on peanut pest image recognition based on Faster-RCNN[J].Jiangsu Agricultural Sciences,2019,47(6):247.
[9]康飞龙,李佳,刘涛,等.多类农作物病虫害的图像识别应用技术研究综述[J].江苏农业科学,2020,48(22):22.
　Kang Feilong,et al.Application technology of image recognition for various crop diseases and insect pests: a review[J].Jiangsu Agricultural Sciences,2020,48(6):22.
[10]倪云峰,叶健,樊娇娇.基于图像识别的水果分拣系统[J].江苏农业科学,2021,49(10):170.
　Ni Yunfeng,et al.Fruit sorting system based on image recognition[J].Jiangsu Agricultural Sciences,2021,49(6):170.

备注/Memo

备注/Memo:

收稿日期：2020-09-30
基金项目：安徽高校自然科学研究重大项目(编号：KJ2019ZD20)；智慧农业技术与装备安徽省重点实验室自主创新研究基金(编号：APKLSATE2019X002)；安徽省科技攻关项目(编号：1804a07020108、201904a06020056)。
作者简介：谢军(1994—)，女，安徽蚌埠人，硕士研究生，研究方向为智能信息处理。E-mail：xiejun@ahau.edu.cn。
通信作者：江朝晖，博士，教授，硕士生导师，研究方向为农业信息学。Tel：(0551)65786217；E-mail：jiangzh@ahau.edu.cn。

常用功能

更新日期/Last Update: 2021-03-20