|本期目录/Table of Contents|

[1]倪智涛,胡伟健,李宝山,等.一种基于图像分类与目标检测协同的番茄细粒度病害识别方法[J].江苏农业科学,2023,51(22):221-228.
　Ni Zhitao,et al.A novel method for tomato fine-grained disease recognition based on image classification and target detection[J].Jiangsu Agricultural Sciences,2023,51(22):221-228.
点击复制

一种基于图像分类与目标检测协同的番茄细粒度病害识别方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第22期
页码:
221-228
栏目:
农业工程与信息技术
出版日期:
2023-12-04

文章信息/Info

Title:
A novel method for tomato fine-grained disease recognition based on image classification and target detection
作者:
倪智涛; 胡伟健; 李宝山; 杜永兴
内蒙古科技大学信息工程学院，内蒙古包头 014010
Author(s):
Ni Zhitao; et al
关键词:
番茄病害; 目标检测; 图像识别; 细粒度识别; 协同检测
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
番茄病虫害细粒度识别在实际农业生产中具有重要意义，其不仅能够及时、精准地发现病虫害，减少农业损失，而且有利于治疗过程中的精准用药，能够提升食品安全、减少环境污染。为了进一步提高番茄细粒度病虫害识别的精确度，创新性地提出了一种将图像分类技术与目标检测技术协同融合的细粒度病虫害识别方法，该方法由预处理模块、检测模块、分类模块、融合模块4个部分组成，其中检测模块在目标检测模型基础上增加了检测小目标的特征图，以提高对小病斑的检测能力，并通过设置阈值的方式引入了农作物病害的细粒度向量。分类模块对图像分类模型的下采样层进行改进，减少了病害图片像素的丢失。融合模块设计实现了一种将2类技术融合的方法，从而达到更好的细粒度识别效果。试验结果表明，该方法在番茄的16类细粒度病害识别中，相较于3组单纯依赖图像分类技术的方法，整体识别准确率分别提升了1.58百分点、1.90百分点、2.25百分点，细粒度识别准确率提升了0.28百分点、0.83百分点、1.19百分点。综上，本研究提出的协同方法在番茄细粒度识别中，效果明显优于传统图像分类方法，能够为农业生产起到更大的帮助作用。
Abstract:
-

参考文献/References:

［1］李君明，项朝阳，王孝宣，等. “十三五”我国番茄产业现状及展望［J］. 中国蔬菜，2021(2)：13-20.
［2］翟肇裕，曹益飞，徐焕良，等. 农作物病虫害识别关键技术研究综述［J］. 农业机械学报，2021，52(7)：1-18.
［3］于明，李若曦，阎刚，等. 基于颜色掩膜网络和自注意力机制的叶片病害识别方法［J］. 农业机械学报，2022，53(8)：337-344.
［4］Gao R，Wang R，Feng L，et al. Dual-branch，efficient，channel attention-based crop disease identification［J］. Computers and Electronics in Agriculture，2021，190：106410.
［5］牛学德，高丙朋，南新元，等. 基于改进DenseNet卷积神经网络的番茄叶片病害检测［J］. 江苏农业学报，2022，38(1)：129-134.
［6］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attention module［C］//European Conference on Computer Vision.Cham：Springer，2018：3-19.
［7］侯金秀，李然，邓红霞，等. 融合通道信息注意力网络的叶片病害识别［J］. 计算机工程与应用，2020，56(23)：124-129.
［8］张宁，吴华瑞，韩笑，等. 基于多尺度和注意力机制的番茄病害识别方法［J］. 浙江农业学报，2021，33(7)：1329-1338.
［9］Fang P F，Zhou J M，Roy S，et al. Bilinear attention networks for person retrieval［C］//2019 IEEE/CVF International Conference on Computer Vision (ICCV).27 October-2 November 2019，Seoul，Korea (South).IEEE，2020：8029-8038.
［10］贾兆红，张袁源，王海涛，等. 基于Res2Net和双线性注意力的番茄病害时期识别方法［J］. 农业机械学报，2022，53(7)：259-266.
［11］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(5)：210-219.
［12］冀常鹏，陈浩楠，代巍. 基于GSNet的番茄叶面病害识别研究［J］. 沈阳农业大学学报，2021，52(6)：751-757.
［13］李好，邱卫根，张立臣. 改进ShuffleNet V2的轻量级农作物病害识别方法［J］. 计算机工程与应用，2022，58(12)：260-268.
［14］胡玲艳，周婷，刘艳，等. 基于轻量级网络自适应特征提取的番茄病害识别［J］. 江苏农业学报，2022，38(3)：696-705.
［15］王东方，汪军. 基于迁移学习和残差网络的农作物病害分类［J］. 农业工程学报，2021，37(4)：199-207.
［16］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.
［17］He K，Zhang X Y，Ren S Q，et al. Deep residual learning for image recognition［C］//2016 IEEE conference on computer vision and pattern recognition.27-30 June 2016，Las Vegas，NV，USA. IEEE 2016：770-778.
［18］Yan B，Fan P，Lei X Y，et al. A real-time apple targets detection method for picking robot based on improved YOLO v5［J］. Remote Sensing，2021，13(9)：1619.
［19］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//2017 IEEE conference on computer vision and pattern recognition.21-26 July 2017，Honolulu，HI，USA.IEEE 2017：2117-2125.

相似文献/References:

[1]严希,田山君,裴芸,等.几种中药提取液对番茄病害病原真菌的抑制效果[J].江苏农业科学,2017,45(20):129.
　Yan Xi,et al.Inhibitory effects of different Chinese herbs extracts against pathogenic fungi from tomato disease[J].Jiangsu Agricultural Sciences,2017,45(22):129.
[2]阎园园,陈华,姜波.基于群智能算法分类模型的番茄病害识别[J].江苏农业科学,2020,48(1):219.
　Yan Yuanyuan,et al.Study on classification algorithm of swarm intelligence algorithm in tomato disease identification[J].Jiangsu Agricultural Sciences,2020,48(22):219.
[3]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(22):247.
[4]陈恩会,褚姝频,王炜,等.基于RetinaNet模型的梨小食心虫智能识别计数方法[J].江苏农业科学,2021,49(24):205.
　Chen Enhui,et al.Intelligent recognition and counting method of Grapholitha molesta based on RetinaNet model[J].Jiangsu Agricultural Sciences,2021,49(22):205.
[5]陶雪阳,施振旦,郭彬彬,等.基于RFID与目标检测的种鹅个体产蛋信息监测方法[J].江苏农业科学,2023,51(5):200.
　Tao Xueyang,et al.Monitoring method of individual egg-laying information of breeding geese based on RFID and object detection[J].Jiangsu Agricultural Sciences,2023,51(22):200.
[6]严陈慧子,田芳明,谭峰,等.基于改进YOLOv4的水稻病害快速检测方法[J].江苏农业科学,2023,51(6):187.
　Yanchen Huizi,et al.Rapid detection method of rice diseases based on improved YOLOv4[J].Jiangsu Agricultural Sciences,2023,51(22):187.
[7]周绍发,肖小玲,刘忠意,等.改进的基于YOLOv5s苹果树叶病害检测[J].江苏农业科学,2023,51(13):212.
　Zhou Shaofa,et al.Improved apple leaf disease detection based on YOLOv5s[J].Jiangsu Agricultural Sciences,2023,51(22):212.
[8]姜国权,杨正元,霍占强,等.基于改进YOLOv5网络的疏果前苹果检测方法[J].江苏农业科学,2023,51(14):205.
　Jiang Guoquan,et al.Apple detection method before thinning fruit based on improved YOLOv5 model[J].Jiangsu Agricultural Sciences,2023,51(22):205.
[9]王圆圆,林建,王姗.基于YOLOv4-tiny模型的水稻早期病害识别方法[J].江苏农业科学,2023,51(16):147.
　Wang Yuanyuan,et al.An early rice disease recognition method based on YOLOv4-tiny model[J].Jiangsu Agricultural Sciences,2023,51(22):147.
[10]施杰,林双双,罗建刚,等.基于YOLO v5s改进模型的玉米作物病虫害检测方法[J].江苏农业科学,2023,51(24):175.
　Shi Jie,et al.Study on a detection method for crop diseases and insect pests based on YOLO v5s improved model[J].Jiangsu Agricultural Sciences,2023,51(22):175.

备注/Memo

备注/Memo:
收稿日期：2022-12-22
基金项目：内蒙古自治区自然科学基金 (编号：2021MS06007)；内蒙古自治区科技重大专项 (编号：2019ZDZX001)；内蒙古科技大学创新基金 (编号：2019QDL-S09、2019QDL-S10)。
作者简介：倪智涛(1998—)，男，江西鹰潭人，硕士研究生，研究方向为智能识别。E-mail：1258408937@qq.com。
通信作者：胡伟健，博士，讲师，主要从事计算机视觉和深度学习的研究。E-mail：hwj_llf@hotmail.com。
更新日期/Last Update: 2023-11-20