主管单位:吉林省科技厅
主办单位:吉林省科学技术信息研究所
合作单位:吉林省科学技术情报学会

农业与技术 ›› 2023, Vol. 43 ›› Issue (6): 24-29.DOI: 10.19754/j.nyyjs.20230330007

• 农业工程 • 上一篇    下一篇

基于卷积神经网络的玉米叶片疾病识别研究

史亚平 汪宗光   

  1. 黄河科技学院工学部,河南郑州450062
  • 出版日期:2023-03-29 发布日期:2023-03-30
  • 作者简介:史亚平(1985-),男,硕士,讲师,工程师。研究方向:人工智能应用及软件开发。
  • 基金资助:
    河南省民办高等学校品牌专业建设-计算机科学与技术(项目编号:ZLG201903)
  • Online:2023-03-29 Published:2023-03-30

摘要: 玉米是我国农业经济发展的重要粮食作物,本文针对玉米叶片图像的病害识别与分类作为切入,点,深入研究nception模型在该领域的应用。针对现有的玉米叶数据集,研究了数据增强的方法,并以此来扩充数据集大小,以解决训练模型带来的泛化性能差等问题,实验证明,通过旋转、翻折、高斯噪声等扩充数据集对提升网 络训练效果有积极作用。针对传统Inception模型存在的识别准确率低的问题,引入了卷积注意力机制CBAM以提高模型对重要特征的提取能力,在玉米叶数据集中的实验结果显示,改进后的CBAM-nception模型相比于基 线模型及VGG模型都大有提高,其准确率为96.88%。基于训练的模型参数、结合PyQ5应用程序开发框架完成了自动识别玉米叶疾病的应用程序,可以实现对玉米叶图像疾病识别。

关键词: 卷积神经网络;玉米叶片识别;CBAM-Inception模型

中图分类号: