|本期目录/Table of Contents|

[1]张澳雪,崔艳荣,李素若,等.基于改进RegNet网络的玉米叶片病害识别研究[J].江苏农业科学,2024,52(11):216-224.
　Zhang Aoxue,et al.Identification of maize leaf diseases based on improved RegNet network[J].Jiangsu Agricultural Sciences,2024,52(11):216-224.
点击复制

基于改进RegNet网络的玉米叶片病害识别研究(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11期
页码:
216-224
栏目:
农业工程与信息技术
出版日期:
2024-06-05

文章信息/Info

Title:
Identification of maize leaf diseases based on improved RegNet network
作者:
张澳雪1; 崔艳荣1; 李素若2; 陈华锋2; 胡玉荣2; 胡蓉华1
1.长江大学计算机科学学院，湖北荆州 434000； 2.荆楚理工学院计算机工程学院，湖北荆门 448000
Author(s):
Zhang Aoxue; et al
关键词:
玉米; 叶片病害; 图像分类; RegNet; Inception v3; 金字塔池化
Keywords:
-
分类号:
TP391.41；S126
DOI:
-
文献标志码:
A
摘要:
针对目前玉米叶片病害识别模型参数量大、移动端部署难、识别准确率不够高等问题，提出一种基于轻量化网络RegNet和迁移学习的识别方法，首先收集4类常见玉米叶片病害图像样本，通过平移、镜像、旋转等方式对图像进行处理，以增加图片数量，提升模型识别和泛化能力。接着以轻量化网络RegNet为主体，采用Inception A结构对stem中的3×3卷积进行替换，增加模型宽度，以分解卷积的形式对玉米叶片病害进行多尺度特征提取。最后在head中引入金字塔池化模块(pyramid pooling module，PPM)，用于减少空间信息丢失，保留病害重要特征和细节。试验结果表明，改进后的模型相比RegNet，Top-1准确率提升1.26百分点，平均精确率提升1.34百分点，平均F1分数提升133百分点，平均召回率提升1.34百分点，参数量只增加了0.89×106，改进后的模型具有更好的特征提取能力，该模型为玉米叶片病害类型的识别提供了一种有效的方法。
Abstract:
-

参考文献/References:

［1］Bock C H，Poole G H，Parker P E，et al. Plant disease severity estimated visually，by digital photography and image analysis，and by hyperspectral imaging［J］. Critical Reviews in Plant Sciences，2010，29(2)：59-107.
［2］万军杰，祁力钧，卢中奥，等. 基于迁移学习的GoogLeNet果园病虫害识别与分级［J］. 中国农业大学学报，2021，26(11)：209-221.
［3］Gayathri Devi T，Neelamegam P. Image processing based rice plant leaves diseases in Thanjavur，Tamilnadu［J］. Cluster Computing，2019，22(6)：13415-13428.
［4］党满意，孟庆魁，谷芳，等. 基于机器视觉的马铃薯晚疫病快速识别［J］. 农业工程学报，2020，36(2)：193-200.
［5］LeCun Y，Kavukcuoglu K，Farabet C.Convolutional networks and applications in vision［C］//Proceedings of 2010 IEEE International Symposium on Circuits and Systems.Paris，France.IEEE，2010：253-256.
［6］张云，许江淳，王志伟，等. 基于机器视觉的棉花异性纤维检测技术优化研究［J］. 中国农机化学报，2018，39(9)：61-65.
［7］毕鹏程，罗健欣，陈卫卫. 轻量化卷积神经网络技术研究［J］. 计算机工程与应用，2019，55(16)：25-35.
［8］Chollet F. Xception：deep learning with depthwise separable convolutions［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Honolulu，HI，USA.IEEE，2017：1800-1807.
［9］Zhang X Y，Zhou X Y，Lin M X，et al. ShuffleNet：an extremely efficient convolutional neural network for mobile devices［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City，UT，USA.IEEE，2018：6848-6856.
［10］Zhou D Q，Hou Q B，Chen Y P，et al. Rethinking bottleneck structure for efficient mobile network design［C］//Vedaldi A，Bischof H，Brox T，et al. European Conference on Computer Vision.Cham：Springer，2020：680-697.
［11］Radosavovic I，Kosaraju R P，Girshick R，et al. Designing network design spaces［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Seattle，WA，USA.IEEE，2020：10425-10433.
［12］杜甜甜，南新元，黄家興，等. 改进RegNet识别多种农作物病害受害程度［J］. 农业工程学报，2022，38(15)：150-158.
［13］董萍，卫梦华，时雷，等. 迁移学习在玉米叶片病害识别中的研究与应用［J］. 中国农机化学报，2022，43(3)：146-152.
［14］谢家兴，陈斌瀚，彭家骏，等. 基于改进ShuffleNet v2的荔枝叶片病虫害图像识别［J］. 果树学报，2023，40(5)：1024-1035.
［15］刘小玲，崔艳荣. 基于改进轻量化网络MobileNeXt的苹果叶片病害识别方法［J］. 江苏农业科学，2023，51(10)：185-193.
［16］Szegedy C，Liu W，Jia Y Q，et al. Going deeper with convolutions［C］//2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Boston，MA，USA.IEEE，2015：1-9.
［17］Zhao H S，Shi J P，Qi X J，et al. Pyramid scene parsing network［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Honolulu，HI，USA.IEEE，2017：6230-6239.
［18］Zhuang J Y，Jin X J，Chen Y，et al. Drought stress impact on the performance of deep convolutional neural networks for weed detection in bahiagrass［J］. Grass and Forage Science，2023，78(1)：214-223.
［19］刘颖，雷研博，范九伦，等. 基于小样本学习的图像分类技术综述［J］. 自动化学报，2021，47(2)：297-315.
［20］温艳兰，陈友鹏，王克强，等. 基于迁移学习和改进残差网络的复杂背景下害虫图像识别［J］. 江苏农业科学，2023，51(8)：171-177.
［21］Selvaraju R R，Cogswell M，Das A，et al. Grad-CAM：visual explanations from deep networks via gradient-based localization［C］//2017 IEEE International Conference on Computer Vision (ICCV).Venice，Italy.IEEE，2017：618-626.

相似文献/References:

[1]孙建伟.水涝胁迫对玉米细胞保护酶同工酶的影响[J].江苏农业科学,2013,41(04):85.
[2]刘荣,张卫建,齐华,等.密植型玉米“中单909”高产群体结构特征[J].江苏农业科学,2013,41(05):56.
　Liu Rong,et al.Study on high yield population structure of close planting maize cultivar “Zhongdan 909”[J].Jiangsu Agricultural Sciences,2013,41(11):56.
[3]沈浜凯,肖龙云,冯乃杰,等.黄腐酸和AM真菌对玉米幼苗抗旱性的影响[J].江苏农业科学,2013,41(05):64.
　Shen Bangkai,et al.Effects of fulvic acid and AM fungi on drought resistance of maize seedlings[J].Jiangsu Agricultural Sciences,2013,41(11):64.
[4]张金然,缑艳霞,孙丽鹏.固氮螺菌157对玉米、向日葵的促生长作用[J].江苏农业科学,2014,42(12):116.
　Zhang Jinran,et al.Effects of Azospirillum 157 on growth of maize and sunflower[J].Jiangsu Agricultural Sciences,2014,42(11):116.
[5]白小军,吴燕,牛艳,等.玉米中乙草胺和莠去津残留量GC-MS/MS分析法的建立[J].江苏农业科学,2014,42(11):334.
　Bai Xiaojun,et al().Establishment of GC-MS/MS analysis method of acetochlor and atrazine residues in maize[J].Jiangsu Agricultural Sciences,2014,42(11):334.
[6]邹晓威,王娜,刘芬,等.玉米抗病相关基因在玉米与玉米丝黑穗病菌、玉米黑粉病菌互作过程中的表达差异分析[J].江苏农业科学,2014,42(11):150.
　Zou Xiaowei,et al(0).Different expression of resistance-related genes between Sporisorium reilianum and Ustilago maydis interact with corn[J].Jiangsu Agricultural Sciences,2014,42(11):150.
[7]杨洪兴,陈静,陈艳萍.江苏省玉米机械化生产的发展及育种对策思考[J].江苏农业科学,2014,42(11):116.
　Yang Hongxing,et al().Development and breeding strategy of mechanized production of maize in Jiangsu Province[J].Jiangsu Agricultural Sciences,2014,42(11):116.
[8]张丽妍,霍剑锋,孟繁盛,等.不同肥料、施肥水平及施用方法对玉米产量、性状及效益的影响[J].江苏农业科学,2014,42(11):119.
　Zhang Liyan,et al (9).Effects of different fertilizers，fertilizer levels and fertilizing methods on yield，characters and benefit of maize[J].Jiangsu Agricultural Sciences,2014,42(11):119.
[9]王雷,崔震海,张立军.玉米C4型PEPC全长基因的克隆与表达载体构建[J].江苏农业科学,2014,42(11):26.
　Wang Lei,et al().Cloning and expression vector construction of full-length C4 type PEPC gene in maize[J].Jiangsu Agricultural Sciences,2014,42(11):26.
[10]雷恩,赵光明,刘艳红.不同稀释浓度松土保水剂对玉米营养生长的影响[J].江苏农业科学,2013,41(06):77.
　Lei En,et al.Effect of different dilutions of super absorbent polymer on vegetative growth of maize[J].Jiangsu Agricultural Sciences,2013,41(11):77.
[11]马晓,邢雪,武青海.基于改进ConvNext的复杂背景下玉米叶片病害分类[J].江苏农业科学,2023,51(19):190.
　Ma Xiao,et al.Maize leaf disease classification under complex background based on improved ConvNext[J].Jiangsu Agricultural Sciences,2023,51(11):190.

备注/Memo

备注/Memo:
收稿日期：2023-12-07
基金项目：国家自然科学基金面上项目(编号：62077018)；中国高校产学研创新基金(编号：2021FNA01006)。
作者简介：张澳雪(2000—)，女，湖北随州人，硕士研究生，主要从事机器学习与人工智能研究。E-mail：2022710649@yangtzeu.edu.cn。
通信作者：崔艳荣，博士，教授，主要从事网络安全、信息处理研究。E-mail：cyanr@yangtzeu.edu.cn。
更新日期/Last Update: 2024-06-05