%0 Journal Article
%T 基于卷积神经网络的葡萄叶片病害检测方法 Detecting grape diseases based on Convolutional neural network
%A 刘阗宇
%A 冯全
%A 杨森
%J 东北农业大学学报
%D 2018
%X 文章采用多角度建议区域Faster-RCNN准确定位图像中葡萄叶片,提出一种基于卷积神经网络的病害检测方法,检测图像叶片病害。相比直接检测图像病害,可去除背景因素对病害区域干扰,降低错误率。结果表明,该算法对自然条件下葡萄病害成像适应性良好。文章统计6种不同条件下拍摄图像,对一般叶片检测算法平均mAP为75.52%,显著高于传统算法。在病害检测时,采用两种策略:从一幅图像中检测到每个单个叶片,或将整幅图像对叶片取掩模后,作为下一级病害检测器输入图像。结果表明,第一种方法,6种常见葡萄病害平均mAP为66.47%,其中褐斑病与白粉病mAP超过70%;第二种方法,病害检测平均mAP为51.44%,但平均检测时间节约75%。两种方法性能均优于在原始图像上直接病害检测方法。
%K 葡萄病害
%K 卷积神经网络
%K 病害检测
%K 多角度建议区域
%K 叶片检测
%K 叶片掩模
%U http://dbdn.cbpt.cnki.net/WKD/WebPublication/paperDigest.aspx?paperID=7e56505e-507c-4084-a1b4-dc6083293625