论文摘要
当前研究农作物病害的准确识别工作中,针对简单背景的农作物病害图像识别取得了巨大成功,但当面向包含有各种噪声和复杂背景真实场景的农作物病害图像识别问题时,难以满足识别准确率的要求.为此提出了一种新的面向农作物病害识别应用的高阶残差卷积神经网络方法,以实现农作物病害的准确、抗干扰的识别.实验结果表明,该方法具有高准确率、强鲁棒性和良好的抗干扰能力,能较好地满足农作物病害识别的实际应用需求.
论文目录
文章来源
类型: 期刊论文
作者: 曾伟辉,李淼,张健,黄小平,王敬贤,袁媛
关键词: 农作物病害识别,高阶残差,鲁棒性,卷积神经网络
来源: 中国科学技术大学学报 2019年10期
年度: 2019
分类: 基础科学,农业科技,信息科技
专业: 植物保护,计算机软件及计算机应用,自动化技术
单位: 中国科学院合肥智能机械研究所,中国科学技术大学信息学院
基金: 十三五中科院信息化专项(XXH13505-03-104.)资助
分类号: TP183;TP391.41;S432
页码: 781-790
总页数: 10
文件大小: 2549K
下载量: 43
相关论文文献
- [1].多卷积神经网络模型融合的农作物病害图像识别[J]. 计算机技术与发展 2020(08)
- [2].用新发明快速检测农作物病害[J]. 农药市场信息 2017(20)
- [3].基于卷积神经网络的农作物病害识别研究综述[J]. 农业与技术 2020(19)
- [4].农作物病害与气象条件的关系[J]. 农民致富之友 2009(04)
- [5].简析几种农作物病害发生的气象条件[J]. 黑龙江农业科学 2013(01)
- [6].基于卷积神经网络的农作物病害识别[J]. 中国农业信息 2019(03)
- [7].湖北省推广酸性氧化电解水防治农作物病害绿色防控新技术[J]. 农药市场信息 2017(29)
- [8].农作物病害危害程度自动测定与分级研究[J]. 常州工程职业技术学院学报 2008(01)
- [9].基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别[J]. 电子学报 2019(09)
- [10].农作物病害的科学诊断方法与关键防治技术措施[J]. 中国农技推广 2018(05)
- [11].气候变化对中国农作物病害发生的影响[J]. 生态学杂志 2012(07)
- [12].农作物病害在线交流测试平台的设计与实现[J]. 安徽农业科学 2011(13)
- [13].农业可持续发展与农作物病害的持续控制[J]. 现代化农业 2013(03)
- [14].本刊读者服务部热门产品和项目推荐[J]. 农村百事通 2016(14)
- [15].基于迁移学习的小样本农作物病害识别[J]. 现代农业科技 2019(06)
- [16].新型图像技术在农作物病害监测预警中的应用与展望[J]. 激光杂志 2017(12)
- [17].农作物病害监测预报技术实时高效让农民不再流泪[J]. 黑龙江科技信息 2013(30)
- [18].农作物病害图像清晰化处理算法的应用[J]. 江苏农业科学 2014(08)
- [19].基于环境信息和深度自编码网络的农作物病害预测模型[J]. 江苏农业学报 2018(02)
- [20].农作物病害的诊断方法[J]. 农民致富之友 2015(24)
- [21].农作物病害诊断方法[J]. 现代农业科技 2015(17)
- [22].本刊读者服务部热门产品和项目推荐[J]. 农村百事通 2016(18)
- [23].本刊读者服务部热门产品和项目推荐[J]. 农村百事通 2015(16)
- [24].本刊读者服务部热门产品和项目推荐(一)[J]. 农村百事通 2015(20)
- [25].基于CNN和迁移学习的农作物病害识别方法研究[J]. 智慧农业 2019(03)
- [26].斩断农作物病害“黑手”的科学家[J]. 科技导报 2017(24)
- [27].基于深度可分离卷积神经网络的农作物病害识别方法[J]. 安徽农业科学 2019(11)
- [28].浅谈有机蔬菜种植中绿色防控措施的应用[J]. 农业与技术 2017(02)
- [29].农药使用常见“六失误”[J]. 农家女 2009(06)
- [30].基于深度学习的农作物病害图像识别技术进展[J]. 浙江农业学报 2019(04)