《表1 测试集识别分类结果》
选取800幅小麦病害图像,其中500幅为训练样本,300幅为测试样本,采用本研究提出的方法进行识别,测试集识别分类结果如表1所示。可以看出,条锈病、叶锈病、赤霉病和白粉病识别准确率达到100%,主要是因为这四种病害的颜色、纹理特征较为明显,易于正确识别。而纹枯病和秆锈病的形状、颜色和纹理特征不明显,在实际生成过程中不易完全区分,出现了极少数错误,识别准确率均为98%。与传统的识别方法相比,基于卷积神经网络的小麦病害识别整体准确率达99.3%,能获得理想的分类效果,为小麦叶部常见病害的快速准确诊断提供了有效的分析手段。
图表编号 | XD00183234600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.30 |
作者 | 张航、程清、武英洁、王亚新、张承明、殷复伟 |
绘制单位 | 山东农业大学信息科学与工程学院、山东省数字农业工程技术研究中心、山东农业大学信息科学与工程学院、山东省数字农业工程技术研究中心、山东农业大学信息科学与工程学院、山东农业大学信息科学与工程学院、山东农业大学信息科学与工程学院、山东省数字农业工程技术研究中心、泰安市农业局 |
更多格式 | 高清、无水印(增值服务) |