目标检测YOLO实战应用案例100讲-基于目标检测的水稻病害识别

目录

前言

国内外研究现状 

目标检测算法研究现状 

作物病害诊断研究现状 

2  目标检测相关理论基础  

2.1  卷积神经网络 

2.2  基于深度学习的目标检测算法 

2.2.1  R-CNN系列目标检测算法 

2.2.2  YOLO系列目标检测算法 

3  基于改进Faster R-CNN的水稻病害识别模型  

3.1 构建水稻病害样本库  

3.1.1 图像采集 

3.1.2 图像增强 

3.1.3 图像标注 

---

本文篇幅较长，分为上下两篇，下篇详见基于目标检测的水稻病害识别（续）​​​​​​​

 

前言

水稻是我国播种面积最大、产量最高的粮食作物之一，实现水稻的稳产、高产一直 是我国农业生产的目标[1]。随着农业生产水平发展提高，水稻产量得到了极大提高[2]。然 而水稻的生长和产量容易受到环境等多种因素的影响出现水稻病害，无法平稳地实现水 稻高产、高质量的目标。水稻稻瘟病、胡麻斑病、细菌性条斑病作为水稻最常见的主要 病害，如果不能及时发现并采取防治措施，会严重影响水稻产量，造成巨大经济损失。 因此在水稻生长过程中快速、准确地识别病害类型，确定病害位置，采取相关措施进行 防治，能够有效减