|本期目录/Table of Contents|

[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):241-243,253.
　Liang Wanjie,et al.Identification of rice insect pests based on CNN model[J].Jiangsu Agricultural Sciences,2017,45(20):241-243,253.
点击复制

基于卷积神经网络的水稻虫害识别(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第45卷
期数:
2017年20期
页码:
241-243,253
栏目:
农业工程与信息技术
出版日期:
2017-10-20

文章信息/Info

Title:
Identification of rice insect pests based on CNN model
作者:
梁万杰;  曹宏鑫
江苏省农业科学院农业经济与信息研究所，江苏南京 210014
Author(s):
Liang Wanjie; et al
关键词:
深度学习; 卷积神经网络; 水稻虫害识别; 二化螟
Keywords:
-
分类号:
TP391.4
DOI:
-
文献标志码:
A
摘要:
针对水稻虫害识别问题，提出一种基于卷积神经网络模型的水稻二化螟虫害识别方法。图像预处理后，选择包含水稻二化螟成虫、幼虫、卵或蛹的图片1 658张作为正样本，不含水稻二化螟的农作物图片1 652张作为负样本构建了模型训练测试数据集。设计一个10层的卷积神经网络模型，采用Torch 7在Ubuntu 14.04系统上实现模型系统的开发和运行。Holdout交叉验证结果显示，模型命中率、精度分别为86.21%、89.14%，误测率8.67%，AUC(area under the receiver operating characteristic curve)值0.95。试验结果表明，模型可有效地提取图像的特征，对水稻二化螟害虫识别具有很好的抗干扰性和鲁棒性。
Abstract:
-

参考文献/References:

［1］管泽鑫，姚青，杨保军，等. 数字图像处理技术在农作物病虫草识别中的应用［J］. 中国农业科学，2009，42(7)：2349-2358.
［2］杨倩，高晓阳，武季玲，等. 基于颜色和纹理特征的大麦主要病害识别研究［J］. 中国农业大学学报，2013，18(5)：129-135.
［3］田有文，陈旭，郑鹏辉.基于嵌入式的农作物叶部病害分级系统［J］. 沈阳农业大学学报，2014，45(6)：756-760.
［4］吴露露，马旭，齐龙，等. 改进Hough变换的农作物病斑目标检测方法［J］. 农业工程学报，2014，30(10)：152-159.
［5］曹乐平. 基于机器视觉的植物病虫害实时识别方法［J］. 中国农学通报，2015，31(20)：244-249.
［6］赵春江，陈天恩，陈立平，等. 迁飞性害虫精准施药决策分析方法研究［J］. 农业工程学报，2008，24(增刊2)：149-154.
［7］张震，高雄，陈铁英，等. 农业自动化喷雾机械标靶害虫自动识别系统的研究［J］. 农机化研究，2016，38(8)：126-130.
［8］胡正平，陈俊岭，王蒙，等. 卷积神经网络分类模型在模式识别中的新进展［J］. 燕山大学学报，2015，39(4)：283-291.
［9］周飞燕，金林鹏，董军. 卷积神经网络研究综述［J］. 计算机学报，2017，40(6)：1229-1251.
［10］高学，王有旺. 基于CNN和随机弹性形变的相似手写汉字识别［J］. 华南理工大学学报(自然科学版)，2014，44(1)：72-76，83.
［11］汪济民，陆建峰. 基于卷积神经网络的人脸性别识别［J］. 现代电子技术，2015，38(7)：81-84.
［12］余萍，赵继生. 基于线性叠加特征和CNNs的图像分类方法［J］. 微电子学与计算机，2015(10)：36-40.
［13］王琨，刘大茂. 基于深度学习的茶叶状态智能识别方法［J］. 重庆理工大学学报(自然科学版)，2015，29(12)：120-126.
［14］张帅，淮永建. 基于分层卷积深度学习系统的植物叶片识别研究［J］. 北京林业大学学报，2016，38(9)：108-115.
［15］刘云，杨建滨，王传旭. 基于卷积神经网络的苹果缺陷检测算法［J］. 电子测量技术，2017，40(3)：108-112.
［16］Rumelhart D E，Hinton G E，Williams R J. Learning representations by back-propagating errors［J］. Nature，1986，323(6088)：533-536.
［17］Lecun Y，Boser B，Denker J S，et al. Backpropagation applied to handwritten zip code recognition［J］. Neural Computation，1989，1(4)：541-551.[HT]
［18］Lauer F，Suen C Y，Bloch G. A trainable feature extractor for handwritten digit recognition［J］. Pattern Recognition，2007，40(6)：1816-1824.
［19］Hinton G E，Salakhutdinov R R. Reducing the dimensionality of data with neural networks［J］. Science，2006，313(5786)：504-507.
［20］Krizhevsky A，Sutskever I，Hinton G E. ImageNet classification with deep convolutional neural networks［C］//International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012：1097-1105.
［21］Lecun Y，Bengio Y，Hinton G. Deep learning［J］. Nature，2015，521(7553)：436-444.
［22］Devroye L，Wagner T J. Distribution-free performance bounds for potential function rules［J］. IEEE Transaction in Information Theory，1979，25(5)：601-604.
［23］易超人，邓燕妮. 多通道卷积神经网络图像识别方法［J］. 河南科技大学学报(自然科学版)，2017，38(3)：41-44.

相似文献/References:

[1]李懿超,沈润平,黄安奇.基于深度学习的湘赣鄂地区植被变化及其影响因子关系模型[J].江苏农业科学,2019,47(03):213.
　Li Yichao,et al.Study on relational model between vegetation change and its impact factors based on deep learning in Hunan， Jiangxi and Hubei areas[J].Jiangsu Agricultural Sciences,2019,47(20):213.
[2]刘嘉政.基于深度迁移学习模型的花卉种类识别[J].江苏农业科学,2019,47(20):231.
　Liu Jiazheng.Flower species identification based on deep transfer learning model[J].Jiangsu Agricultural Sciences,2019,47(20):231.
[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]荆伟斌,胡海棠,程成,等.基于深度学习的地面苹果识别与计数[J].江苏农业科学,2020,48(05):210.
　Jing Weibin,et al.Recognition and counting of ground apples based on deep learning[J].Jiangsu Agricultural Sciences,2020,48(20):210.
[5]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.
[6]罗巍,陈曙东,王福涛,等.基于深度学习的大型食草动物种群监测方法[J].江苏农业科学,2020,48(20):247.
　Luo Wei,et al.Monitoring method of large herbivore population based on deep learning[J].Jiangsu Agricultural Sciences,2020,48(20):247.
[7]孙孝龙,徐森,周卫阳,等.基于物联网和深度学习的养蚕智能监控系统设计[J].江苏农业科学,2020,48(21):241.
　Sun Xiaolong,et al.Design of an intelligent monitoring system for sericulture based on internet of things and deep learning[J].Jiangsu Agricultural Sciences,2020,48(20):241.
[8]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(20):22.
[9]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.
[10]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.
[11]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.
[12]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.
[13]路阳,刘婉婷,林立媛,等.CNN与BiLSTM相结合的水稻病害识别新方法[J].江苏农业科学,2023,51(20):211.
　Lu Yang,et al.A new method for rice disease identification by combining CNN and BiLSTM[J].Jiangsu Agricultural Sciences,2023,51(20):211.
[14]吕伟,宋轩,杨欢.基于深度学习和多源遥感数据的玉米种植面积提取[J].江苏农业科学,2023,51(23):171.
　Lyu Wei,et al.Extraction of maize planting area based on deep learning and multi-source remote sensing data[J].Jiangsu Agricultural Sciences,2023,51(20):171.

备注/Memo

备注/Memo:
收稿日期：2017-06-29
基金项目：江苏省农业科技自主创新资金［编号：CX(15)1002］；江苏省农业科学院基金(编号：6111646)；江苏省农业科技自主创新资金探索类项目［编号：CX(13)5060］。
作者简介：梁万杰(1980—)，男，河南商丘人，博士，副研究员，研究方向为农业物联网关键技术及其应用。Tel：(025)84390193；E-mail：wanjie.liang@163.com。
通信作者：曹宏鑫，博士，研究员，研究方向为作物品质生理生态、数字农业。E-mail：caohongxin@ hotmail.com。
更新日期/Last Update: 2017-10-20