【笔记】Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural ne

YaoYee_7

于 2020-11-27 20:15:58 发布

阅读量287

点赞数

分类专栏：文献笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/YaoYee_21/article/details/110244948

版权

文献笔记专栏收录该内容

8 篇文章

订阅专栏

本文介绍了一种利用无人机和深度卷积神经网络自动识别大豆叶片疾病的方法。通过超像素分割技术构建数据集，并采用四种经典网络进行迁移学习，实现了对大豆病害的有效分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

《Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural networks》

背景

目前主要是将叶片从田间采集后在实验室进行拍照
用相机对着冠层拍照难以适应大规模的病虫害监测

创新点

没人利用无人机识别分类真实场景下的大豆病害
没人比较不同的参数对于迁移学习权重微调的影响

数据获取

设备：大疆精灵3
飞行高度：2米
图片格式：DNG
原始照片数量：300张（不同生长期，光照，背景，目标尺寸）

模型构造

在这里插入图片描述

无人机图像，超像素分割，单张叶片打标签构建数据集，训练卷积神经网络

超像素分割
原始图像尺寸4000×3000像素，2米拍的照片中一张叶片尺寸大概6000像素，这样就把图片分为2000份，最终获得3000张超像素照片，每类500张

识别问题转分类问题

使用4中经典网络进行迁移学习，其中参数微调大小做对比

在这里插入图片描述

精度评价

单张叶片的平均分类精度

在这里插入图片描述

识别效果

在这里插入图片描述

猜你喜欢：👇🏻
⭐【笔记】基于边缘检测和BP神经网络的大豆杂草识别研究
⭐【笔记】基于轻量和积网络及无人机遥感图像的大豆田杂草识别

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。