浙江农业科学 ›› 2023, Vol. 64 ›› Issue (8): 1939-1944.DOI: 10.16178/j.issn.0528-9017.20230584

• 植保技术 • 上一篇    下一篇

基于改进Densenet的番茄病害识别

庄黎波1,2(), 李勇1, 刘强1, 章伟江3,*()   

  1. 1.宁波时新生态农业有限公司,浙江 宁波 311116
    2.浙江农艺师学院,浙江 杭州 310021
    3.浙江省农业科学院 农村发展研究所,浙江 杭州 310021
  • 收稿日期:2023-05-29 出版日期:2023-08-11 发布日期:2023-08-09
  • 通讯作者: 章伟江(1976—),男,浙江绍兴人,工程师,助理研究员,从事农业规划与培训工作,E-mail:704137906@qq.com
  • 作者简介:庄黎波(1979—),男,浙江宁波人,大专,从事农业经营与管理工作,E-mail:1366268766@qq.com

  • Received:2023-05-29 Online:2023-08-11 Published:2023-08-09

摘要:

传统的作物病害识别方法局限多,研究基于深度机器学习方法的快速、准确地检测番茄病害技术显得十分重要。本研究提出了一种轻量级卷积神经网络(LDNet)识别技术,设计了一种新颖的轻量级卷积神经网络模型,能更准确地定位病害区域。比较实验表明,LDNet在识别番茄叶病方面具有最高的识别性能和最少的参数,适合在移动或嵌入式设备上部署移动番茄病害检测模型,将对于农业的可持续和适当发展以及避免不必要的财力等资源浪费具有重要意义。

关键词: 番茄病害识别, 机器学习方法, 深度学习方法, 轻量级卷积神经网络(LDNet)

中图分类号: