首页|基于深度学习的农作物病害识别方法研究

基于深度学习的农作物病害识别方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着计算机视觉技术不断发展,识别检测已为热门研究方向.我国作为农业大国,广泛存在农作物病害问题,如何有效检测识别农作物中的病害一直是个技术难题.传统的病害识别方法需要消耗大量的人力和物力,且识别的精度不高.随着深度学习技术用于农业领域,农作物病害检测识别精度大幅提升,但检测精度参差不齐,因此找到具有强鲁棒性且识别精度高的网络意义重大.基于Faster RCNN的算法原理和特点,对Faster RCNN进行网络构架和数据训练,对不同农作物的病害进行分类识别并对比,得到的Fas-ter RCNN网络具有较好的识别精度,适合对农作物病虫害进行识别检测.

张行星、张行钊、王莎、刘昌盛、黄佳文

展开 >

湖北工业大学工程技术学院,湖北 武汉 430068

湖北省电力勘测设计院,湖北 武汉 430000

湖北工业大学,湖北 武汉 430068

深度学习 农作物病害 检测识别

2024

10.3969/j.issn.2097-065X.2024.02.024

数字农业与智能农机
湖北省农业机械工程研究设计院 湖北省农业机械学会

数字农业与智能农机

影响因子：0.11
ISSN：2097-065X
年,卷(期)：2024.(2)
  • 7