计算机技术与发展2023，Vol.33Issue(10) ：115-119.DOI:10.3969/j.issn.1673-629X.2023.10.018

基于深度学习的芒果病虫害分类识别

Classification and Identification of Mango Diseases and Pests Based on Deep Learning

曹欢 方睿
计算机技术与发展2023，Vol.33Issue(10) ：115-119.DOI:10.3969/j.issn.1673-629X.2023.10.018
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的芒果病虫害分类识别

Classification and Identification of Mango Diseases and Pests Based on Deep Learning

曹欢 1方睿1
扫码查看

作者信息

  • 1. 成都信息工程大学 计算机学院,四川 成都 610225
  • 折叠

摘要

传统芒果病虫害防治,需要人工进行识别,现引入深度学习技术,可快速准确地对芒果病虫害进行识别.以攀西地区芒果的12 种病虫害为研究对象,采用的数据集一部分来自公开数据集MangoLeafBD,另一部分由爬虫技术获得的网络图片组成,共获取图片6 769 张,其中4 879 张为训练集,1 220 张为验证集,670 张为测试集.为迎合实际应用的需要,选择了MobileNetV3、MobileViT等4 种不同规模的轻量级深度学习网络模型,结合迁移学习训练策略进行对比实验,比较了各个模型的参数量、精确率、召回率等参数.实验结果显示,MobileViT模型用于芒果病虫害分类识别效果最佳,该模型的精确率为96.31%,召回率为96.12%,F1 为96.20%,均优于其他模型.由此表明,模型具有较好的鲁棒性和识别性能,可为芒果病虫害分类识别提供技术参考.

关键词

芒果病虫害识别/轻量级卷积神经网络/MobileViT/迁移学习/MangoLeafBD

Key words

mango diseases and pests identification/lightweight convolutional neural network/MobileViT/transfer learning/MangoLeaf-BD

引用本文复制引用

基金项目

国家重点研发计划(2020YFA0608000)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量6
段落导航相关论文