科研之友
微信
新浪微博
Facebook
分享链接
摘要
在水果种植领域，病虫害是威胁水果生长的主要因素之一。文章通过识别水果叶片实现复杂环境下对水果病害的识别和防治，对提高水果产量和品质具有关键作用。基于以上问题，文章提出了一种基于深度学习的新型植物病害识别模型，该模型首先通过图像归一化处理和MSRCR去雾算法完成对图像的预处理与增强，然后使用基于梯度上的Canny SLIC算法对病害图像数据集进行高精度的分割，进而得到包含病斑特征的叶片，最后通过改进的DenseNet算法对图像进行病害特征识别和分类，完成水果病害图像的识别。在水果病害中，以白粉病、黑痘病、炭疽病为例进行测试，结果表明该模型平均正确率为98.98%，远高于传统的CNN卷积架构模型的正确率。该模型实现了复杂环境下水果病害图像的识别，可用于辅助水果病害的自动识别与检测，提高了水果病害图像识别的清晰度和准确率。
- 出版日期2022
- 单位电子科技大学成都学院; 北京吉利学院
