News and Announcements
ARTICLE
基于卷积神经网络的农作物叶片病害识别方法
江 倪,
碧波 严*
Show Less
1
长江大学电子信息与电气工程学院,
长江大学电子信息与电气工程学院
art 2022 , 1(7), 98–100;
Published: 20 July 2022
© 2022 by the Author(s). Licensee Art and Design, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )
Abstract
为了及时发现和识别农作物病害，提出了一种基于卷积神经网络（CNN）的农作物叶片病害识别模型。针对农作物叶片图像在采样和识别过程中大小和方位不一致的问题，该模型采用了一种基于自适应霍夫变换直线检测算法的图像预处理方法，用于检测和提取图像中的叶脉直线。随后，根据叶脉直线进行旋转和平移变换，确保所有叶片在图像中的方位和角度保持一致。这一方法有效地弥补了CNN在处理平移和旋转不变性方面的不足，并显著增强了模型的鲁棒性。同时，为解决图像中叶片整体轮廓和病害纹理细节尺度不同的问题，模型设计了两个不同大小的卷积核，以便同时捕捉叶片整体和局部特征。实验结果显示，该模型的图像识别准确率达到92.87%，对农作物叶片病害表现出优异的识别性能。
Keywords
卷积神经网络
旋转不变性
霍夫变换
角点检测
图像处理
图像识别
References
[1] 汪京京， 张武， 刘连忠， 黄帅．农作物病虫害图像识别技术的研究综述［J］. 计算机工程与科学,2014,36(07):1363-1370.
[2] 贾少鹏， 高红菊， 杭潇．基于深度学习的农作物病虫害图像识别技术研究进展［J］.农业机械学报,2019,50(S1):313-317.
[3] 刘涛， 仲晓春， 孙成明， 郭文善， 陈瑛瑛， 孙娟．基于计算机视觉的水稻叶部病害识别研究［J］. 中国农业科学,2014,47(04):664-674.
[4]冯晓， 李丹丹， 王文君， 郑国清， 刘海礁， 孙永胜， 梁山， 杨莹， 臧贺藏， 张辉．基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别［J］.河南农业科学,2021,50(04):174-180.
[5] 张善文， 谢泽奇， 张晴晴．卷积神经网络在黄瓜叶部病害识别中的应用［J］. 江苏农业学报,2018,34(01):56-61.