基于卷积循环神经网络的桃树叶部病害图像识别

Image Recognition of Peach Leaf Diseases Based on Convolutional Recurrent Neural Network

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
维普
万方数据

中文摘要：桃树炭疽病和褐斑病具有相似度高、症状关联度高和病斑位置不同等特点,卷积神经网络在识别过程中,卷积层和池化层分别对病害区域进行局部卷积和池化操作,未考虑各病害区域间的上下文相关信息和位置信息,降低了识别准确率.而双向长短期记忆网络由两个正向和反向的长短期记忆网络组成,且各循环单元之间具有反馈连接,能够挖掘和记忆输入序列数据中的上下文相关信息和位置信息.因此,本文提出了一种基于VGGNet-BiLSTM的桃树叶部病害图像识别算法.结果表明,本文提出的算法在测试集上识别准确率为93.73％,具有较高的识别准确率.

作者：

孙文杰、牟少敏、董萌萍、周子豪、李颀

展开 >

作者单位：

山东农业大学信息科学与工程学院,山东泰安 271018

关键词：

桃树叶部病害图像识别卷积神经网络双向长短期记忆网络

出版年：

2020

DOI：

10.3969/j.issn.1000-2324.2020.06.003

山东农业大学学报(自然科学版)