《表1 农作物病害训练集:基于卷积神经网络的农作物病害识别》
该研究中的图像数据来源于AI Challenger 2018比赛中的植物病害数据集,对苹果、樱桃、玉米、葡萄、柑橘、桃树、辣椒、马铃薯、草莓和番茄10种植物的病害重新整理划分,将每种植物的健康叶片作为负样本加入到数据集中,避免网络的过拟合现象。数据集最终包含35 861张不同尺寸的病害叶片图像,由于神经网络要求输入图像的尺寸必须统一,因此利用图像填充法填充图像后再将尺寸缩放成227×227像素大小的图像。10种农作物的数据集中,由于一些疾病初期和后期的表现症状相差比较大,因此对这些不同程度的疾病分为不同类别,共59种类别,部分样本图像。如图1所示,部分典型病害根据特征是否明显划分为一般程度和严重程度,但像番茄花叶病毒病的发病程度外观不明显则作为一个类别。根据不同类别,整理网络所需要的数据,加入健康叶片作为负样本之后样本类别为59类,总数量为35 861张图像,如表1所示,并按照7∶1的比例将数据集样本划分为训练集31 370张图像和测试集4 491张图像。
图表编号 | XD0092285100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 李建华、郝炘、牛明雷、王俊伟、李平安、杨立国 |
绘制单位 | 天津市宝坻区朝霞街道办事处、天津农垦渤海农业集团有限公司、农业农村部工程建设服务中心、北京市植物保护站、湖南省益阳市桃江县农业局、内蒙古自治区植保植检站 |
更多格式 | 高清、无水印(增值服务) |