文献类型： 中文期刊

作者： 潘博文 ¹ ; 魏冰心 ¹ ; 苏宝峰 ¹ ; 鞠延仑 ¹ ; 刘崇怀 ¹ ; 樊秀彩 ¹ ; 张颖 ¹ ; 孙磊 ¹ ; 姜建福 ¹ ; 房玉林 ¹ ;

作者机构： 1.西北农林科技大学葡萄酒学院;中国农业科学院郑州果树研究所;西北农林科技大学机械电子与电子工程学院;中国农业科学院中原研究中心

关键词： 砧木;深度学习;品种识别;葡萄;叶片

期刊名称： 植物遗传资源学报

ISSN： 1672-1810

年卷期： 2024 年 25 卷 004 期

页码： 1028-1037

收录情况： 北大核心 ; CSCD

摘要： 嫁接有利于增强树体对生物及非生物胁迫的适应能力,提高葡萄产量和品质.葡萄砧木品种多样复杂,识别难度较大,深度学习能够快速提取图像的深层特征,被广泛应用于植物图像分类识别领域.本研究以30份葡萄砧木成龄叶图像作为研究对象,通过采集叶片图像,构建了一个包含13547张的葡萄砧木叶片图像的数据集.采用GoogleNet、ResNet-50、ResNet-101以及VGG-16等4个卷积神经网络对其进行自动识别.结果表明:精度最高的分类网络为ResNet-101,在最优模型参数(学习率:0.005,最小批次:32,迭代次数:50)下精度达到97.5%.ResNet-101模型检测的30个品种中,平均预测精确率为92.59%,有7个品种的预测精确率达到100%;平均召回率为91.08%,有8个品种的召回率达到100%,叶片的叶面纹理、叶脉以及叶缘部分对品种识别的影响最大.以上结果证实,深度学习网络模型可以实现对葡萄砧木的自动实时识别,为葡萄砧木品种的保护、利用、分类研究以及其他农作物的品种识别提供参考.