《Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural networks》

背景

目前主要是將葉片從田間采集后在實驗室進行拍照
用相機對著冠層拍照難以適應大規模的病蟲害監測

創新點

沒人利用無人機識別分類真實場景下的大豆病害
沒人比較不同的參數對于遷移學習權重微調的影響

數據獲取

設備：大疆精靈3
飛行高度：2米
圖片格式：DNG
原始照片數量：300張（不同生長期，光照，背景，目標尺寸）

模型構造

無人機圖像，超像素分割，單張葉片打標簽構建數據集，訓練卷積神經網絡

超像素分割
原始圖像尺寸4000×3000像素，2米拍的照片中一張葉片尺寸大概6000像素，這樣就把圖片分為2000份，最終獲得3000張超像素照片，每類500張

識別問題轉分類問題

使用4中經典網絡進行遷移學習，其中參數微調大小做對比

精度評價

單張葉片的平均分類精度

識別效果

猜你喜歡：👇🏻
?【筆記】基于邊緣檢測和BP神經網絡的大豆雜草識別研究
?【筆記】基于輕量和積網絡及無人機遙感圖像的大豆田雜草識別

總結

以上是生活随笔為你收集整理的【笔记】Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural ne的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。