【目的】探究深度學(xué)習(xí)在柑橘Citrus spp.黃龍病癥狀識別上的可行性,并評估識別器的識別準(zhǔn)確率�！痉椒ā恳渣S龍病/非黃龍病引起的發(fā)病葉片圖像及健康葉片圖像為訓(xùn)練素材,基于卷積神經(jīng)網(wǎng)絡(luò)及遷移學(xué)習(xí)技術(shù)構(gòu)建二類識別器(I-2-C和M-2-C)和八類識別器(I-8-C和M-8-C)�！窘Y(jié)果】M-8-C模型的整體識別表現(xiàn)最優(yōu),對所有圖像的識別準(zhǔn)確率為93.7%,表明構(gòu)建的神經(jīng)網(wǎng)絡(luò)識別器能有效辨別柑橘黃龍病癥狀;I-8-C和M-8-C對所有類型圖像的平均F1分值分別為77.9%和88.4%,高于I-2-C(56.3%)和M-2-C(52.5%),表明癥狀細(xì)分有利于提高模型的識別能力。同時M-8-C比I-8-C略高的平均F1分值表明基于MobileNetV1結(jié)構(gòu)的八類識別器識別表現(xiàn)略優(yōu)于基于InceptionV3的八類識別器�；贛-8-C改進(jìn)的識別器M-8f-C能夠轉(zhuǎn)移到智能手機上,在田間測試中取得較好的識別表現(xiàn)�！窘Y(jié)論】基于深度學(xué)習(xí)和遷移學(xué)習(xí)開發(fā)的識別器對黃龍病單葉癥狀具有較好的識別效果。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1本研究收集的8種類別柑橘葉片圖像示例

根據(jù)癥狀和PCR檢測結(jié)果，將樣品圖像分為健康(共233幅)、黃龍病-斑駁(共514幅)、黃龍病-缺鋅狀(共120幅)、黃龍病-葉脈黃化(共115幅)、黃龍病-均勻黃化(共131幅)、非黃龍病-缺鋅狀(共123幅)、非黃龍病-葉脈黃化(共254幅)、非黃龍病-均勻黃化(共177幅)....

圖2訓(xùn)練集圖片數(shù)與平均F1分值動態(tài)關(guān)系圖

M-8f-C識別田間葉片的結(jié)果匯總為表5。在智能手機上，M-8f-C對在樹上葉片的識別效果比在攝影布上的識別效果好。對樹上拍攝的黃龍病和非黃龍病葉片圖像的平均F1分值分別為87.2%和82.4%，而在攝影布上拍攝的平均F1分值則分別為68.0%和77.6%，而準(zhǔn)確率同樣為在樹上拍....

本文編號：3987405