基于物联网和深度卷积神经网络的冬枣病害识别方法

针对传统的作物病害识别方法中人为提取的分类特征,对复杂作物病害图像的形状、光照和背景比较敏感等问题,提出一种基于物联网和深度卷积神经网络(DCNN)的冬枣病害识别方法。DCNN由1个输入层、4个卷积层、3个下采样层、1个全连接层和1个输出层组成。利用该方法能够提取冬枣病害图像的有效特征,并识别病害类型,避免了传统作物病害识别方法中繁琐的特征提取过程。在4种冬枣病害果实数据库上进行了冬枣病害识别实验,识别率达到92%以上。试验结果表明,该方法适合利用物联网采集的大规模视频病害图像进行冬枣病害识别。

基于分层卷积神经网络的冬枣果实病害识别方法

冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱。但冬枣病害种类繁多,采用传统人工检查的方式成本高、效率低,严重制约了冬枣的产业化发展。使用传统计算机视觉的冬枣病害识别方法其准确度在很大程度上取决于人为选择的特征是否合理,具有较大的不稳定性。为了解决该问题提出一种基于分层卷积神经网络(HCNN)的冬枣果实病害识别方法。HCNN包括三个结构相同的CNN(卷积神经网络)和一个支持向量机(SVM)分类器。在进行识别的过程中,首先将原始冬枣果实病害图像的RGB、HIS和Lab三种图像分别输入HCNN的三个CNN;然后在分类层将三个CNN得到的特征图整合为一个特征向量;最后通过SVM分类器对病害图像进行分类。该方法能够自动地从冬枣果实病害图像中提取到有效的特征,不需要人工设定特征提取方法。在果实病害图像数据集上进行一系列实验,平均识别准确率达90%以上。实验结果表明,该方法充分利用图像不同颜色的特征,能够实现精确、稳定和高效的冬枣果实病害类型识别,为冬枣果实病害防治系统的发展提供参考。