|本期目录/Table of Contents|

[1]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):156-161.
　Li Zhen,et al.Tomato pathological recognition based on k-means segmentation and transfer learning[J].Jiangsu Agricultural Sciences,2021,49(12):156-161.
点击复制

基于k-means分割和迁移学习的番茄病理识别(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第49卷
期数:
2021年第12期
页码:
156-161
栏目:
农业工程与信息技术
出版日期:
2021-06-20

文章信息/Info

Title:
Tomato pathological recognition based on k-means segmentation and transfer learning
作者:
黎振; 陆玲; 熊方康
东华理工大学信息工程学院，江西南昌 330044
Author(s):
Li Zhen; et al
关键词:
农作物病虫害; k-means分割; 卷积神经网络; 迁移学习; VGG16
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
针对有背景干扰的番茄病理叶片，将k-means分割与迁移学习相结合，提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别。首先对原始图像进行一系列预处理，再将处理后的图像进行k-means分割，得到叶片边缘的最小矩阵图像，之后进行去噪处理，简化突出图像特征，再根据预处理后的图像特点，优化改进迁移的VGG16网络结构，构建 CNN 模型对预处理后图像进行识别。结果显示，通过分割后训练方式平均精度提升了037百分点，通过冻结迁移的VGG16网络第1个卷积模块并修改全连接层的方法提升了5.4%左右。因此本研究认为通过分割、冻结VGG16第1个卷积层模块的参数并修改全连接层可以提升番茄病理识别率。
Abstract:
-

参考文献/References:

［1］Tai A P K，Martin M V，Heald C L. Threat to future global food security from climate change and ozone air pollution［J］. Nature Climate Change，2014，4(9)：817-821.
［2］姜玉英，刘万才，黄冲，等. 2020 年全国农作物重大病虫害发生趋势预报［J］. 中国植保导刊，2020，40(2)：37-39.
［3］张琦，张荣梅，陈彬. 基于深度学习的图像识别技术研究综述［J］. 河北省科学院学报，2019，36(3)：28-36.
［4］Swietojanski P，Ghoshal A，Renals S. Convolutional neural networks for distant speech recognition［J］. IEEE Signal Processing Letters，2014，21(9)：1120-1124.
［5］田海韬，赵军，蒲富鹏. 马铃薯芽眼图像的分割与定位方法［J］. 浙江农业学报，2016，28(11)：1947-1953.
［6］郭小清，范涛杰，舒欣. 基于图像融合特征的番茄叶部病害的识别［J］. 湖南农业大学学报(自然科学版)，2019，45(2)：212-217，224.
［7］曾伟辉，李淼，张健，等. 面向农作物病害识别的高阶残差卷积神经网络研究［J］. 中国科学技术大学学报，2019，49(10)：781-790.
［8］张建华，孔繁涛，吴建寨，等. 基于改进VGG卷积神经网络的棉花病害识别模型［J］. 中国农业大学学报，2018，23(11)：161-171.
［9］Lee S H，Chan C S，Mayo S J，et al. How deep learing extracts and learns leaf features for plant classification［J］. Pattren Recognition，2017，71：1-13.
［10］余小东，杨孟辑，张海清，等. 基于迁移学习的农作物病虫害检测方法研究与应用［J］. 农业机械学报，2020，51(10)：252-258.
［11］Tan C，Sun F，Kong T，et al. A survey on deep transfer learning［C］//27 International Conference on Artificial Neural Networks and Machine Learning-ICANN 2018. Rhodes，Greece，2018：270-279.
［12］闫壮壮，闫学慧，石嘉，等. 基于深度学习的大豆豆荚类别识别研究［J］. 作物学报，2020，46(11)：1771-1779.
［13］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)：231-236.
［14］龙明盛. 迁移学习问题与方法研究［D］. 北京：清华大学，2014：34-89.
［15］Krizhevsky A，Sutskever I，Hinton G E. ImageNet classification with deep convolutional neural networks［M］. Hinton E. Communications of the ACM，2017：6
［16］Jang Y H，Lee H，Hwang S J，et al. Learning what and where to transfer［C］. Proceeding of the 36th International Conference on Machine Learning，2019：3030-3039.
［17］白洁，张金松，刘倩宇. 基于卷积网络特征迁移的小样本物体图像识别［J］. 计算机仿真，2020，37(5)：311-316.
［18］Huang G，Liu Z，Maaten L D，et al. Densely connected convolutional networks［C］//IEEE Conference on Computer Vision and Pattern Recognition.Hawaii，USA，2017：2261-2269.
［19］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)：251-255.
［20］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.

相似文献/References:

[1]陈光绒,李小琴.基于物联网技术的农作物病虫害自动测报系统[J].江苏农业科学,2015,43(04):406.
　Chen Guangrong,et al.Automatic measuring and reporting system for crop diseases and insect pests based on internet of things[J].Jiangsu Agricultural Sciences,2015,43(12):406.
[2]郑颖,金松林,张自阳,等.基于领域本体的农作物病虫害问题分类研究[J].江苏农业科学,2016,44(09):145.
　Zheng Ying,et al.Study on crop diseases and insect pests question classification based on domain ontology[J].Jiangsu Agricultural Sciences,2016,44(12):145.
[3]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(12):22.
[4]徐重新,张江兆,胡晓丹,等.农药联合复配在农作物病虫害防治上的研究进展[J].江苏农业科学,2023,51(4):8.
　Xu Chongxin,et al.Research progress of pesticide combination in crop diseases and insect pests control[J].Jiangsu Agricultural Sciences,2023,51(12):8.
[5]李子涵,周省邦,赵戈,等.基于卷积神经网络的农业病虫害识别研究综述[J].江苏农业科学,2023,51(7):15.
　Li Zihan,et al.Study on agricultural pest identification based on convolutional neural network： a review[J].Jiangsu Agricultural Sciences,2023,51(12):15.

备注/Memo

备注/Memo:
收稿日期：2020-11-07
基金项目：国家自然科学基金(编号：61761003)。
作者简介：黎振(1997—)，男，江西南城人，硕士，主要从事深度学习和图像处理研究。E-mail：243502783@qq.com。
通信作者：陆玲，硕士，教授，硕士生导师，研究方向为计算机图形学，数字图像处理，计算机可视化。E-mail：luling@ecit.cn。
更新日期/Last Update: 2021-06-20