基于深度学习的西瓜病虫害检测研究

doi:10.19754/j.nyyjs.20250315001

农业与技术 ›› 2025, Vol. 45 ›› Issue (5): 1-6.DOI: 10.19754/j.nyyjs.20250315001

• 农业科学 •

基于深度学习的西瓜病虫害检测研究

吴瑞强卓怀成刘双印刘同来高学凯

仲恺农业工程学院广东广州510220

出版日期:2025-03-15 发布日期:2025-03-15
作者简介:吴瑞强(1991-)，男，硕士，助教。研究方向：计算机视觉、大数据、农业信息化；通信作者刘双印(197-)，男，博士，教授，院长。研究方向：人工智能、大数据、农业信息化。
基金资助:
国家自然科学基金项目（项目编号：62373390）；广东省自然科学基金重点项目（项目编号：2022B1515120059);广东省普通高校创新团队项目（项目编号：2021 KCXTD019);广东省重点领域研发计划（项目编号：2020B0202080002):广东省自然科学基金项目(项目编号：2023A1515011230):广州市科技计划项目（项目编号：2023E04J1238,2023E04J1239,2023E04J0037):云浮市科技计划项目(项目编号：2022020303,2023020302,2023020205)；中国新疆维吾尔自治区重大科技专项（项目编号：2022A02011):广东省自然科学基金面上项目（项目编号：2023A1515011230);广州市科技计划项目（项目编号：2023E04J0037)

Online:2025-03-15 Published:2025-03-15

摘要/Abstract

摘要： 基于深度学习的西瓜病虫害检测研究，其意义是识别常见的西瓜病虫害，提供一种防治手段。系统基于Python语言开发技术，采用Pytorch框架，探索3种市面上常用的图像分类算法一一VGG、GoogLeNet和ResNet在西瓜病虫害识别中的优劣性，对收集到的4种西瓜病虫害，采用迁移学习策略训练模型，实现了平均超过95%的识别准确率，通过识别速度和模型评估指标进行分祈对比。实践证明，本研究采用的算法行之有效，能有效识别 4种西瓜病虫害。

中图分类号:

. 基于深度学习的西瓜病虫害检测研究[J]. 农业与技术, 2025, 45(5): 1-6.

参考文献

[1]云果&农小蜂：2021年中国西瓜产业数据分析报告[EB/OL].https://www.weihengag.com/Home/article/detail/id/12032.hml.2021-11-18. [2]麻剑钧，刘晓慈，金龙新，等。基于机器视觉的农作物病害识别研究进展[J].湖南农业科学，2023(09)：97-100. [3]黄睿茜，赵俊芳，霍治国，等。深度学习技术在农业干早监测预测及风险评估中的应用[J].中国农业气象，2023,44(10)：943-952. [4]孙孟研，王佳，马睿，等.基于注意力机制的轻量化VGC玉米籽粒图像识别模型[J].中国粮油学报，2024,39(01)：189-195. [5]Aakash Kumar P,Nandhini D,Amutha S,et al.Detection and i-dentification of healthy and unhealthy sugarcane leaf using convolu-tion neural network system [J].Sadhana,2023,48 (4):251. [6]Thakur P S,Sheorey T,Ojha A.VGG-ICNN:A LightweightCNN model for crop disease identification J].Multimedia Toolsand Applications,2023,82 (1):497-520. [7]林杰，王发赢，姚艳春，等.基于GoogLeNet的玉米籽粒破损及霉变在线辨识方法[J].中国农机化学报，2023,44(10)：87-92. [8]潘博文，魏冰心，苏宝峰，等。基于深度学习的葡萄砧木叶片识别研究[J].植物遗传资源学报，2024,25(04)：1028-1037. [9]Mishra A M,Hamal S,Gautam V,et al.Weed density estimationin soya bean crop using deep convolutional neural networks in smartagriculture [J].Joural of Plant DiseasesandProtection,2022,129(3):593-604. [10]Karlekar A,Seal A.SoyNet:Soybean leaf diseases classification[J].Computers and Electronics in Agriculture,2020,172:105342. [11]Zia Ur Rehman M,Ahmed F,Attique Khan M,et al.Classifica-tion of citrus plant diseases using deep transfer learing J].Computers,Materials Continua,2021,70 (1). [12]李冬睿，邱尚明，蓝新波，等。基于改进的RsN在甘蔗病害识别中的研究[J].农业科技与信息，2023(08)：27-30，38. [13]李涵，唐友，辛鹏，等.基于改进ResNet34的玉米病害分类研究[J].无线互联科技，2023,20(13)：127-130. [14]Janarthan S,Thuseethan S,Rajasegarar S,et al.Deep metricleamning based citrus disease classification with sparse data [J].IEEE Access,2020,8:162588-162600. [15]王治华.保护地西瓜的主要病害与防治技术[J].中国蔬菜，2023(09):125-128. [16]He K,Zhang X,Ren S,et al.Deep residual learning for imagerecognition [C].Proceedings of the IEEE conference on computervision and patter recognition,2016:770-778. [17]Simonyan K,Zisserman A.Very Deep Convolutional Networks forLarge-Scale Image Recognition [J].Computer Science,2014. [18]Szegedy C,Vanhoucke V,loffe S,et al.Rethinking the incep-tion architecture for computer vision [C].Proceedings of theIEEE conference on computer vision and pattern recognition,2016:2818-2826.

基于深度学习的西瓜病虫害检测研究

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	. 番茄果实品质栽培调控研究进展[J]. 农业与技术, 2025, 45(4): 1-6.
[2]	. 加拿大一枝黄花浅色木质素制取工艺优化及其表征[J]. 农业与技术, 2025, 45(4): 7-12.
[3]	. 幼园甜樱桃不同树形光能截获率果实产量和生产效率的研究[J]. 农业与技术, 2025, 45(4): 13-21.
[4]	. HPLC法测定不同产地雷公藤中几种成分的含量[J]. 农业与技术, 2025, 45(4): 22-25.
[5]	. 不同共生鱼种对稻田作物产量土壤养分及酶活性的影响[J]. 农业与技术, 2025, 45(4): 26-30.
[6]	. 黄精精深加工研究现状[J]. 农业与技术, 2025, 45(4): 35-40.
[7]	. 大花卷丹的百合粗多糖提取工艺的研究与分析[J]. 农业与技术, 2025, 45(4): 41-44.
[8]	. 出口红茶精制分级后品质成分分析[J]. 农业与技术, 2025, 45(4): 52-55.
[9]	. 乙酰化青风藤半纤维素的制备工艺优化[J]. 农业与技术, 2025, 45(3): 7-11.
[10]	. 马铃薯延薯4号试管薯工厂化生产技术研究[J]. 农业与技术, 2025, 45(3): 22-25.
[11]	. 不同的叶面肥和喷雾频率对达芋6号雾化栽培的影响[J]. 农业与技术, 2025, 45(3): 34-37.
[12]	. 南方油菜高精度冰冻低温灾害评估模型的构建及验证[J]. 农业与技术, 2025, 45(3): 38-43.
[13]	. 黑水虻虫砂脱硫菌的分离与活性测定[J]. 农业与技术, 2025, 45(3): 44-48.
[14]	. 福建烟区烟蚜茧蜂寄主种类调查[J]. 农业与技术, 2025, 45(3): 49-52.
[15]	. 国内施用硅肥对水稻产量影响的Mta分析[J]. 农业与技术, 2025, 45(2): 1-6.