基于Faster-RCNN算法的玉米叶面病害识别系统

针对玉米种植面积广,但易受病害影响导致产量下降,农民对玉米叶面病害识别困难的问题,以玉米叶面健康、大斑病、小斑病和锈病4种叶面种类为研究对象,采用Faster-RCNN建立识别模型,并在此基础上开发智能玉米叶面识别系统。首先对5998张图片的数据集采用LabelImg工具进行分类标注,训练集和验证集比例为9:1;然后使用ResNet50神经网络架构对标注好的数据集进行训练,得到最优权重的PTH文件;最后将算法通过API接口部署到使用Django搭建的后端框架中,在前端调用算法进行玉米叶面检测识别,结合Neo4j知识图谱,将玉米叶面病害种类的详细信息以及解决方案,通过知识图谱进行展示。玉米叶面病害识别结果表明:平均识别很高,达到96%。