-
题名基于果穗图像的玉米品种分类识别
被引量：3
- 1
-
-
作者
赵威
马睿
王佳
郭宏杰
许金普
-
机构
青岛农业大学动漫与传媒学院
-
出处
《中国农业科技导报》
CAS
CSCD
北大核心
2023年第6期97-106,共10页
-
基金
山东省重点研发计划项目(2021LZGC014)
山东省中央引导地方科技发展资金项目(YDZX20203700002548)。
-
文摘
优良品种对提高农业产量和收入起着关键作用,针对现有的种业安全问题,为实现玉米品种的快速识别和保护,构建一种基于玉米果穗图像的品种识别模型。将采集到的1000张玉米果穗图像经预处理后按7∶2∶1的比例划分为训练集、验证集和测试集,并对数据集进行平移、翻转等多种数据增强处理。通过迁移学习,将预训练好的权重和参数迁移到NASNet-mobile、Xception、ResNet50V2、MobileNetV2、DenseNet121、VGG16模型进行对比,结果表明,NASNet-mobile识别性能较好,识别率达90%。不同优化算法的对比表明,优化器选择Adam模型具有更好的表现。在此基础上,对多种全连接层模块进行试验,结果表明,全连接层数量为2层、维度为256时可以得到更好的玉米果穗图像特征,最终模型在全连接层模块下的识别准确率达95%,较NASNet-mobile提升5%,实现了对玉米品种的分类识别。以上结果为玉米品种的快速精准鉴定以及种质资源保护提供了智能化技术支持。
-
关键词
玉米果穗
迁移学习
品种识别
nasnet-mobile
-
Keywords
corn ear
transfer learning
variety identification
nasnet-mobile
-
分类号
S513
[农业科学—作物学]
-
-
题名基于云服务对田间杂草智能检测系统的研究
- 2
-
-
作者
王键
郭俊先
马生健
-
机构
新疆农业大学机电工程学院
岭南师范学院生命科学与技术学院
-
出处
《北方园艺》
CAS
北大核心
2020年第16期144-150,共7页
-
基金
国家星火计划资助项目(2011GA780061)
广东省公益研究与能力建设专项资助项目(2016A020209011,2017A020208074)。
-
文摘
为了解决田间复杂的环境使传统图像处理对杂草识别精度差的问题,该研究对8种常见的杂草进行采集,数据集由17509张带有标签的图像组成,采用迁移学习的方式对田间杂草进行识别,并对训练出的模型进行微调,使其进一步提高识别的准确率。对VGG 19、Inception V4、ResNesXt 101和NASNet-mobile 4种模型进行比对,选用模型参数小且准确率高的NASNet-mobile模型,并将其部署到云服务中。云服务端使用Gin搭建模型交互,用于识别杂草并返回识别信息;使用CSS和Java script语言及Element封装的组件开发前端服务,用于实现数据的采集、上传与信息反馈。NASNet-mobile模型在部署的服务器中的性能达到了每幅图像的平均时间为285 ms,对8种杂草准确率达到91.43%,对于扁轴木与飞机草识别率达到98%,可为田间杂草信息检测和调查提供技术支持。
-
关键词
杂草检测
病害识别
nasnet-mobile
深度学习
细粒度分类
-
Keywords
weed detection
disease identification
nasnet-mobile
deep learning
fine-grained classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
