本文主要研究内容
作者桂江生,吴子娴,李凯（2019）在《基于卷积神经网络模型的大豆花叶病初期高光谱检测》一文中研究指出：为减轻花叶病对大豆产量的影响,实现对大豆花叶病害初期的快速检测,本文提出了一种基于卷积神经网络(convolutional neural network, CNN)模型的大豆花叶病害的诊断识别方法。首先对分别接种SC3、SC7病毒7 d后发病初期及正常的‘南农1138-2’大豆样本各80片(共计240片)进行高光谱图像采集,根据其图像信息提取并计算感兴趣区域的平均光谱值,建立基于高光谱图像的CNN模型。最终模型训练集识别率达到94.79%,预测集识别率达到92.08%,其中对接种SC3病毒的花叶病叶片识别率为88.75%,对接种SC7病毒的花叶病叶片识别率为93.13%,对正常叶片识别率为94.38%。对比最小二乘支持向量机和极限学习机模型,CNN模型能够更充分提取光谱的深层特征信息,识别效果显著提高。研究表明,基于高光谱图像的CNN模型能够更精确地实现对大豆花叶病初期检测,将CNN与高光谱结合的方法也为病害检测提供了一种新思路。
Abstract
wei jian qing hua xie bing dui da dou chan liang de ying xiang ,shi xian dui da dou hua xie bing hai chu ji de kuai su jian ce ,ben wen di chu le yi chong ji yu juan ji shen jing wang lao (convolutional neural network, CNN)mo xing de da dou hua xie bing hai de zhen duan shi bie fang fa 。shou xian dui fen bie jie chong SC3、SC7bing du 7 dhou fa bing chu ji ji zheng chang de ‘na nong 1138-2’da dou yang ben ge 80pian (gong ji 240pian )jin hang gao guang pu tu xiang cai ji ,gen ju ji tu xiang xin xi di qu bing ji suan gan xing qu ou yu de ping jun guang pu zhi ,jian li ji yu gao guang pu tu xiang de CNNmo xing 。zui zhong mo xing xun lian ji shi bie lv da dao 94.79%,yu ce ji shi bie lv da dao 92.08%,ji zhong dui jie chong SC3bing du de hua xie bing xie pian shi bie lv wei 88.75%,dui jie chong SC7bing du de hua xie bing xie pian shi bie lv wei 93.13%,dui zheng chang xie pian shi bie lv wei 94.38%。dui bi zui xiao er cheng zhi chi xiang liang ji he ji xian xue xi ji mo xing ,CNNmo xing neng gou geng chong fen di qu guang pu de shen ceng te zheng xin xi ,shi bie xiao guo xian zhe di gao 。yan jiu biao ming ,ji yu gao guang pu tu xiang de CNNmo xing neng gou geng jing que de shi xian dui da dou hua xie bing chu ji jian ce ,jiang CNNyu gao guang pu jie ge de fang fa ye wei bing hai jian ce di gong le yi chong xin sai lu 。
论文参考文献
论文详细介绍
论文作者分别是来自浙江大学学报(农业与生命科学版)的桂江生,吴子娴,李凯，发表于刊物浙江大学学报(农业与生命科学版)2019年02期论文，是一篇关于大豆论文,花叶病论文,高光谱检测论文,卷积神经网络论文,浙江大学学报(农业与生命科学版)2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自浙江大学学报(农业与生命科学版)2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：大豆论文; 花叶病论文; 高光谱检测论文; 卷积神经网络论文; 浙江大学学报(农业与生命科学版)2019年02期论文;