《Automatic recognition of soybean leaf diseases using UAV images and deep convolutional neural networks》
背景
目前主要是将叶片从田间采集后在实验室进行拍照
用相机对着冠层拍照难以适应大规模的病虫害监测
创新点
没人利用无人机识别分类真实场景下的大豆病害
没人比较不同的参数对于迁移学习权重微调的影响
数据获取
设备:大疆精灵3
飞行高度:2米
图片格式:DNG
原始照片数量:300张(不同生长期,光照,背景,目标尺寸)
模型构造
无人机图像,超像素分割,单张叶片打标签构建数据集,训练卷积神经网络
超像素分割
原始图像尺寸4000×3000像素,2米拍的照片中一张叶片尺寸大概6000像素,这样就把图片分为2000份,最终获得3000张超像素照片,每类500张
识别问题转分类问题
使用4中经典网络进行迁移学习,其中参数微调大小做对比
精度评价
单张叶片的平均分类精度
识别效果
猜你喜欢:👇🏻
⭐【笔记】基于边缘检测和BP神经网络的大豆杂草识别研究
⭐【笔记】基于轻量和积网络及无人机遥感图像的大豆田杂草识别