基于ACE和深度学习的植物病害检测
Plant Disease Detection Based on ACE and Deep Learning
张超飞 1王逸芳 2齐庆磊 2刘金江2
作者信息
- 1. 南阳师范学院生命科学与农业工程学院,河南 南阳 473000;河南省数字图像大数据智能处理工程研究中心,河南 南阳 473000
- 2. 南阳师范学院计算机科学与技术学院,河南 南阳 473000;河南省数字图像大数据智能处理工程研究中心,河南 南阳 473000
- 折叠
摘要
如果农业生产遇到植物病害问题,就会导致大量的经济损失.植物病害种类繁多,因此为提高对植物叶片的识别性能,本文使用ACE算法对植物病害图像进行处理,分别以深度学习中的VGG16和GoogleNet为植物病害识别模型,分析ACE算法在植物病害识别中的效果与最佳参数.试验结果表明,在使用ACE算法对植物病害图片处理后,植物病害识别率提高了1%～3%.当在不同模型中得到最佳效果时,ACE算法中求取局部均值的窗口大小与最大对比度增益相同.
Abstract
The plant diseases an important problem in architecture production.It includes many kinds of disease,and has caused a lot of economic loss.For improving the correct rate of leaf identification,ACE is used to process the image of plant diseases.The effect of plant disease identification and the optimized parameter is both analyzed when ACE is combined with VGG16 or GoogleNet.The experimental results show that the correct rate of diseases identification is improved between 1%and 3%when ACE is used in VGG16 or GoogleNet.The maximum contrast gain and the window size of the ACE algorithm to find the local mean and is same for VGG16 and GoogleNet.
关键词
植物病害/图像识别/深度学习/ACE算法/VGG/GoogleNetKey words
plant disease/image identification/ACE/VGG/GoogleNet引用本文复制引用
基金项目
南阳师范学院校级青年项目(2024QN005)
南阳市科技攻关计划(KJGG094)
教育部产学合作协同育人项目(202102106005)
出版年
2024
NETL
NSTL
万方数据