«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46卷

期数:

2018年第24期

页码:

251-255

栏目:

农业工程与信息技术

出版日期:

2018-12-20

文章信息/Info

Title:

Potato leaf disease identification system based on convolutional neural network

作者:

赵建敏¹;  李艳¹;  李琦¹;  芦建文¹; 2

1.内蒙古科技大学信息工程学院，内蒙古包头 014010； 2.包钢集团公司信息服务中心，内蒙古包头 014010

Author(s):

Zhao Jianmin; et al

关键词:

深度学习; 卷积神经网络; 马铃薯; 病害识别系统

Keywords:

-

分类号:

S126；TP391.41

DOI:

-

文献标志码:

A

摘要:

深度学习是图像处理领域的研究热点，为实现马铃薯叶片病害识别，达到及时防治的目的，采用深度学习理论设计病害识别系统，系统包括分层卷积神经网络识别模型、WEB服务器和手机端APP。基于TensorFlow框架，搭建8层CNN+softmax分层卷积神经网络模型，自动学习到256个病害图像特征，采用softmax分类器识别病害，简单背景单一病斑识别准确率达到87%。在ubuntu上搭建Nginx Web服务器，应用Flask框架开发后台服务，基于vue.js开发手机端APP，实现手机采集、上传病害图像、获取病害结果等功能，为相关应用提供完整全栈式解决方案。

Abstract:

-

参考文献/References:

［1］Hinton G E，Salakhutdinov R R. Reducing the dimensionality of data with neural networks［J］. Science，2006，313(5786)：504-507.
［2］尹宝才，王文通，王立春. 深度学习研究综述［J］. 北京工业大学学报，2015，41(1)：48-59.
［3］余凯，贾磊，陈雨强，等. 深度学习的昨天、今天和明天［J］. 计算机研究与发展，2013，50(9)：1799-1804.
［4］刘建伟，刘媛，罗雄麟. 深度学习研究进展［J］. 计算机应用研究，2014，31(7)：1921-1930，1942.
［5］杨国国，鲍一丹，刘子毅. 基于图像显著性分析与卷积神经网络的茶园害虫定位与识别［J］. 农业工程学报，2017，33(6)：156-162.
［6］谭文学，赵春江，吴华瑞，等. 基于弹性动量深度学习神经网络的果体病理图像识别［J］. 农业机械学报，2015，46(1)：20-25.
［7］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.
［8］鲁恒，付萧，贺一楠，等. 基于迁移学习的无人机影像耕地信息提取方法［J］. 农业机械学报，2015，46(12)：274-279，284.
［9］徐明珠，李梅，白志鹏，等. 马铃薯叶片早疫病的高光谱识别研究［J］. 农机化研究，2016，38(6)：205-209.
［10］Krizhevsk A. Convolutional deep belief networks on CIFAR-10［EB/OL］. ［2017-07-29］. http：//www.cs.utoronto.ca/-kriz/conv-cifar10-aug2010.pdf.
［11］Aimonyan K，Zisserman A. Very deep convolutional networks for large-scale image recognition［EB/OL］. ［2017-07-29］. http：//www.robots.ox.ac.uk：5000/-vgg/publications/2015/Simonyan 15/ simonyan15. pdf.
［12］Szegedy C，Liu W，Jia Y，et al. Going deeper with convolutions［C］//Proceedings of the 2015 IEEE Conference on Computer Vision and Pattern Recognition，2015：1-8.
［13］He K，Zhang X，Ren S，et al. Devling deep into rectifiers：surpassing human-level performance on ImageNet classification［C］//Proceedings of the 2015 IEEE International Conference on Computer Vision，2015：1026-1034.
［14］Grinberg M.Flask Web开发：基于Python的Web应用开发实战［M］. 安道，译. 北京：人民邮电出版社，2015：1-3.
［15］张耀春，黄轶，王静. Vue.js权威指南［M］. 北京：电子工业出版社，2016：1-4.
［16］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.
［17］Girshick R，Donahue J，Darrell T，et al. Rich feature hierarchies for accurate object detection and semantic segmentation［C］//2014 IEEE Conference on Computer Vision and Patern Recogntion (CVPR)，2014：580-587.
［18］Grishick R B. Fast R-CNN［EB/OL］. ［2017-07-29］. http：//www.cv-foundation.org/openaccess/ content_iccv_2015/papers/Girshick_Fast_R-CNN_ICCV_2015_paper.pdf.

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(24):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(24):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(24):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(24):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(24):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(24):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(24):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(24):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(24):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(24):156.
[11]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(24):241.
[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(24):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(24):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(24):171.

备注/Memo

备注/Memo:

收稿日期：2017-08-05
基金项目：内蒙古自治区高等学校科学研究项目(编号：NJZY144)。
作者简介：赵建敏(1982—)，男，内蒙古土左旗人，硕士，讲师，主要从事图像处理、人工智能研究。E-mail：zhao_jm@imust.edu.cn。

常用功能

更新日期/Last Update: 2018-12-20