【摘 要】
：
叶片病害是影响葡萄的产量与品质的关键原因之一,因而及时发现和控制好葡萄病害对葡萄种植至关重要。随着人工智能技术的不断发展,卷积神经网络技术应用于葡萄叶片病害自动识别受到越来越多的关注和研究。卷积神经网络技术利用对患病叶片图像的颜色、纹理、以及形状等特征的准确提取,实现对病害的准确识别。不同的卷积神经网络技术在叶片病害的分类准确性、计算资源占用量以及计算效率等方面都有较大差异。基于传统卷积神经网络和
论文部分内容阅读
叶片病害是影响葡萄的产量与品质的关键原因之一,因而及时发现和控制好葡萄病害对葡萄种植至关重要。随着人工智能技术的不断发展,卷积神经网络技术应用于葡萄叶片病害自动识别受到越来越多的关注和研究。卷积神经网络技术利用对患病叶片图像的颜色、纹理、以及形状等特征的准确提取,实现对病害的准确识别。不同的卷积神经网络技术在叶片病害的分类准确性、计算资源占用量以及计算效率等方面都有较大差异。基于传统卷积神经网络和SSD网络,提出了一种EGR＿SSD目标检测方法,既可显著提升识别精度,又可准确定位病害位置。首先,将SSD网络中的主干网络VGG16替换为ResNet50网络,同时,将原有的4组级联卷积层替换为残差块,从而增加了网络的深度,提升了网络的特征提取能力;将ResNet50网络的stage＿5中的卷积核个数减少,使通道数由2048个降至512个,实现模型压缩,节省计算资源;然后将ResNet50网络中原有归一化模块Batch Norm替换为Group Norm,解决了网络性能受限于batch size的问题,特别是batch size较小时的性能局限。最后引入有效通道注意力机制ECA,帮助EGR＿SSD网络更加有效地提取特征。为了客观地评价提出的EGR＿SSD网络的病害识别性能,首先利用Label Img对从开源数据集Plant Village选出的2100幅葡萄病害叶片图像进行标注,生成了GLDDS数据集。在此基础上,对EGR＿SSD网络、SSD网络、Faster R-CNN网络、YOLOv3网络以及SSD+ResNet50网络进行对比实验。实验结果表明,用AP和m AP两个指标进行性能衡量时,EGR＿SSD网络表现出最好的病害识别性能。EGR＿SSD网络识别黑腐病时,AP值达90.11%,识别黑麻疹病时,AP值达64.20%,识别叶枯病时,AP值达76.23%。此外,EGR＿SSD网络识别3种病害时,m AP值达76.85%,比Faster R-CNN网络、YOLOv3网络、SSD网络、SSD+ResNet50网络分别高出12.15%、6.05%、9.31%、7.64%。
其他文献
脑肿瘤是威胁人类生命安全的常见肿瘤之一。传统的脑肿瘤诊断方式是医生根据病人身体的不良症状以及眼底的并发症进行判断。随着医学技术的发展,现阶段对脑肿瘤的诊断方式变为了由医生根据病人的脑部MRI图像进行判断,但这种方式随着医生日常增多的工作量以及各个医生临床经验的不同,误诊、漏诊的情况在长期的临床诊断中时有发生。计算机辅助诊断系统（CAD）可以准确识别图像,协助医生进行日常阅片工作,缓解工作压力,提高
随着人脸识别技术日渐成熟,人脸识别已广泛应用到访问控制、人脸支付和设备解锁等场景中。因此,人脸识别系统的安全性引起了越来越多的关注。人脸识别系统主要基于图像特征的提取与匹配,完成身份认证。这种认证方式容易受到欺骗攻击,如在认证系统前呈现伪造的人脸照片、视频或3D面具等,导致虚假认证。人脸活体检测通过分析摄像机捕捉的人脸信息,进而判断认证者是否为活体用户,是人脸认证系统抵御欺骗攻击的重要技术手段。目
眼底视网膜血管的不同形态（如直径、长度、分支等）具有十分重要的临床意义,可用于监测和分析各种心脑血管疾病和眼科疾病。自动分割眼底图像中的视网膜血管,可以有效帮助医生对各种心脑血管疾病和眼科疾病病人做出更全面的诊断和进一步的治疗,增加治愈的可能性。在研究过程中发现由于采集设备、拍摄角度和光照等的差异对眼底图像获取的影响,想要对眼底图像的视网膜血管进行精准分割就显得十分困难。而且现有模型存在分割过程中
汽配件喷涂是汽车零配件生产流程中重要的环节,对汽配件颜色喷涂生产问题进行优化,有助于企业进一步降低生产成本,而目前尚无文献对该类问题提出针对性的数学模型和解法,故针对汽配件喷涂生产问题提出高效的求解方法对实际生产具有理论指导意义。首先,将实际单轮汽配件喷涂生产问题转化为数学问题,考虑到每一个汽配件必须喷涂且只喷涂一次,具有旅行商问题（TSP）的基本特征,故采用借鉴TSP问题建模的方法对单轮汽配件喷
在推荐系统中,高维稀疏矩阵常用来描述用户和项目实体间的二元关系,隐特征分析方法能够对高维稀疏矩阵中缺失值进行估计,通过缺失预测达到对用户进行个性化推荐效果。随机梯度下降法是求解隐特征分析模型的有效策略,然而基于随机梯度下降算法的隐特征分析模型很大程度上依赖于超参数学习率的选择。粒子群优化算法（PSO）因其收敛快速和实现简单的优点已经被成功用于隐特征分析模型的超参数学习率的自适应调谐,但是由于标准P
得益于深度学习,目标检测研究取得了巨大的突破,但是在实际生活场景的应用中,并未达到人类实现高效管理最理想的效果。比如交通参与者是道路交通活动的基础,随意运行的车辆和行人容易打破良好的交通秩序,对其进行检测有助于优化城市管理,建设新型智慧城市。比如,绝缘子是架空输电线路的绝缘控件,需要承受超高的机械强度,自爆后需要及时更换,否则将会难以管控线路的输电调度。人工智能赋能行业发展,目标检测作为其基础课题
通过编译优化分析发现,GCC编译器所采用的无效代码删除和自动向量化优化策略较为保守。当函数调用层数太多、复杂度太高时,无效代码删除优化存在一定的局限性;另外,循环自动向量化优化效率受不同数据结构布局方式的影响较大。为此,本文研究了编译器中无效代码删除和自动向量化的优化原理和实现方法,提出一种激进蝴蝶优化方法的解决方案,侧重解决分支路径依赖动态参数值及循环结构内自动向量化的优化问题。通过编译分析,研
分形理论最早是由美国数学家Mandelbrot提出的,用分形维数来对自然界中复杂的图形进行描述。随着分形理论的发展,该理论在各个领域都得到了广泛的应用。分形理论在地理学的研究中具有非常重要的价值,分形维数可以从定量的角度来描述戴维斯地貌侵蚀循环理论的各个地貌发育阶段。前人把分形理论应用到了沟谷地貌的形态分析,地貌格局差异等方面,以及分别从全国范围、不同地貌、不同流域、不同比例尺、不同区域等尺度对沟
当透过透明玻璃拍照时,拍摄到的图像往往包含相机同侧的景象产生的反射,反射的存在会产生视觉干扰,降低图像质量。在计算机视觉任务中,去除透过玻璃拍摄的图像中的反射非常重要,它在提高图像质量以及在预处理图像方面具有十分重要的意义。从一张带反射的混合图像中分解得到目标场景的透射图像和相机同侧场景的反射图像是一个不适定（ill-posed）的问题,因此图像中的反射去除难度较大,需要基于合理的假设先验前提下设
密码函数的构造需要满足多个方面的要求,比如达到很高的非线性度、满足雪崩准则、具有平衡性、拥有高的相关免疫性阶等。Bent函数是具有最高非线性度的密码函数,学者们在Bent函数基础上进一步研究了部分Bent函数、半Bent函数乃至本文所要研究的Plateaued函数。本文主要研究Dillon型Plateaued函数并确定这种类型函数的数量。本文首先研究了单项Dillon型函数Tr（ax2m-1）和二