11、农业图像识别：马铃薯病害分类与本地水果病害分割技术解析

农业图像识别：马铃薯病害分类与本地水果病害分割技术解析

在农业领域，利用深度学习和图像处理技术进行作物病害识别是保障作物健康生长、提高农业产量的重要手段。本文将深入探讨马铃薯病害分类以及本地水果病害识别中的图像分割技术。

马铃薯病害分类的深度学习方法

• 数据准备

  • 数据集包含 7870 张马铃薯病害图像，由原始的 1574 张图像通过数据增强扩展而来。原始图像经过翻转、90°和 270°旋转、调整亮度、对比度和饱和度等操作进行数据扩充。
  • 数据集按 8:2 的比例划分为训练集和测试集，训练集有 6296 张图像，测试集有 1574 张图像。涵盖了 20 种不同的马铃薯病害，如黑点病、黑痣病、黑胫病等。
    | 病害名称 | 原始图像数量 | 扩展后图像数量 | 训练集数量 | 测试集数量 |
    | — | — | — | — | — |
    | 黑点病 | 64 | 320 | 256 | 64 |
    | 黑痣病 | 72 | 360 | 288 | 72 |
    | 黑胫病 | 112 | 560 | 448 | 112 |
    | …… | …… | …… | …… | …… |
    | 总计 | 1574 | 7870 | 6296 | 1574 |

• 模型选择与处理

  • 采用了 AlexNet、GoogLeNet 和 ResNet - 50 三种预训练网络进行马铃薯病害识别实验。