文献类型： 中文期刊

作者： 李云昊 ¹ ; 李仲贤 ² ; 伏帅 ¹ ; 张忠雪 ¹ ; 茆士琴 ¹ ; 冯琦胜 ¹ ; 梁天刚 ¹ ; 李彦忠 ¹ ;

作者机构： 1.兰州大学草地农业科技学院

2.兰州大学网络安全与信息化办公室

关键词： 苜蓿病害;AlexNet;目标检测;深度学习

期刊名称： 草业学报

ISSN： 1004-5759

年卷期： 2023 年 012 期

页码： 104-114

收录情况： 北大核心 ; CSCD

摘要： 苜蓿病害的准确快速识别是栽培苜蓿草地病害防治的关键。苜蓿病害鉴别对专业知识和识别工具及检测环境要求较高，传统的苜蓿病害识别往往需要采用显微观察等手段对叶片病害部位进行镜检，存在时效性差、成本高，难以实现大范围多点位的快速识别等弊端。近年来在图像识别领域的计算机视觉和深度学习得到快速发展，为苜蓿病害智能化识别提供了新途径。本研究利用13种常见苜蓿病害图像数据集，基于改进的AlexNet深度学习卷积神经网络，经过300次迭代训练，构建了苜蓿病害识别模型，并对比分析了不同图像输入分辨率的苜蓿病害识别精度。结果表明：13种苜蓿病害最优模型识别总体精度达到72%，最优图像输入尺寸为512像素×512像素；剔除识别精度过低的苜蓿病害样本图片后，褐斑病、霜霉病、炭疽病、黑茎叶斑病和小光壳叶斑病5类苜蓿病害的识别总体精度提高到92%，最优输入尺寸为1200像素×1200像素。这2种模型均能够实现对苜蓿主要病害的快速识别，研究结果可以为苜蓿病害智能检测系统的研发提供图像识别方面的技术支持。