| 多结构参数集成学习的设施黄瓜病害智能诊断 |
| |
| 引用本文： | 高荣华,李奇峰,孙想,顾静秋,彭程.多结构参数集成学习的设施黄瓜病害智能诊断[J].农业工程学报,2020,36(16):158-165. |
| |
| 作者姓名： | 高荣华 李奇峰 孙想 顾静秋 彭程 |
| |
| 作者单位： | 北京农业信息技术研究中心/北京市农林科学院,北京 100097;国家农业信息化工程技术研究中心,北京 100097;农业农村部农业信息技术重点实验室,北京 100097;北京市农业物联网工程技术研究中心,北京 100097 |
| |
| 基金项目： | 国家自然科学基金(61771058)；北京市自然科学基金（4172025） |
| |
| 摘 要： | 单一特征已不能很好的描述作物病害典型特征,而生长环境参数(土壤温湿度、pH值、空气温湿度等)与病害密切相关,多结构数据学习向量化与特征最优组合能够有效提升病害诊断准确性。该研究以黄瓜白粉病、角斑病、炭疽病、菌核病4种病害50个样本为实例,融合结构化作物生长环境参数与非结构化图像特征,通过智能化物联网,对实时采集到的环境参数进行监测、分析,并将其与图像特征融合,构建多结构病害特征最优组合模型。试验结果表明,样本识别率在79.4%～93.6%,对比卷积神经网络图像识别识别率,卷积神经网络由于需要对病害图像数据进行降维,后台识别时间较高;深度迁移学习的图像识别方法,需要大量图像数据输入深度网络学习,而现实中病害图像数量不足以满足深度学习要求,因此识别率会因为样本不充分而降低;该方法借助少量图像数据,同时结合环境与专家知识资源,采用多结构参数集成学习的方法进行病害识别,在较少识别时间的基础上确保识别的准确性。
|
| 关 键 词： | 图像识别 智能系统 病害 多结构参数 学习向量化 智能诊断 |
| 收稿时间： | 2020/4/20 0:00:00 |
| 修稿时间： | 2020/7/5 0:00:00 |
Intelligent diagnosis of greenhouse cucumber diseases based on multi-structure parameter ensemble learning |
| |
| Gao Ronghu,Li Qifeng,Sun Xiang,Gu Jingqiu,Peng Cheng.Intelligent diagnosis of greenhouse cucumber diseases based on multi-structure parameter ensemble learning[J].Transactions of the Chinese Society of Agricultural Engineering,2020,36(16):158-165. |
| |
| Authors: | Gao Ronghu Li Qifeng Sun Xiang Gu Jingqiu Peng Cheng |
| |
| Affiliation: | 1.Beijing Research Center for Information Technology in Agriculture, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China; 2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Key Laboratory for Information Technologies in Agriculture, Ministry of Agriculture, Beijing 100097, China; 4. Beijing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China |
| |
| Abstract: | |
| |
| Keywords: | image recognition intelligent system diseases multi-structure parameter learning direction quantification intelligent decision |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载全文 |
|
