基于深度学习的植物病虫害图像识别研究

王克峰、黄雪华

源标题：国际认知信息学与自然智能杂志（IJCINI）15(4)

国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859857|内政部：10.4018/IJCINI.295810

引用文章引用文章

MLA公司

冯、王珂和黄雪华。“基于深度学习的植物病虫害图像识别研究”IJCINI公司第15卷，第4期，2021年：第1-21页。http://doi.org/10.4018/IJCINI.295810

亚太地区

Feng，W.K.和薛华，H.（2021）。基于深度学习的植物病虫害图像识别研究。国际认知信息学与自然智能杂志（IJCINI），15(4), 1-21. http://doi.org/10.4018/IJCINI.295810

芝加哥

冯、王珂和黄雪华。“基于深度学习的植物病虫害图像识别研究”国际认知信息学与自然智能杂志（IJCINI）第15页，第4页：1-21。http://doi.org/10.4018/IJCINI.295810

导出参考

最喜欢的完整发布下载

查看全文HTML

查看全文PDF

摘要

深度学习在语音识别、视觉识别等领域受到越来越多的关注。在图像处理领域，使用深度学习方法可以获得较高的识别率。本文采用卷积神经网络作为深度学习的基本模型。分析了该模型的不足，并将DBN用于病虫害的图像识别。在实验中，首先，我们选取了10种病虫害叶片和50000种正常叶片，分别用于算法性能的比较。在病虫害种类的判断中，本研究提出的算法能够最大限度地识别各种病虫害，但相应的软件（openCV、Access）识别精度会随着病虫害类型的增加而逐渐降低。在本研究中，提出的病虫害识别算法保持在45%左右。