苹果树病虫害智能识别系统设计与实现

摘要：

为提高苹果的产量和质量,防止病虫害对果实质量的影响,设计了一款基于机器视觉的苹果树病虫害智能识别系统.该系统采用交互式分割(GrabCut)算法对图像进行分割,然后使用高斯拉普拉斯算子和拉普拉斯高斯(Laplacian-of-Gauss-ian,LOG)算法将苹果叶片中的病斑提取出来,最后将提取出的图像送入深度神经网络(deep neural networks,DNN)进行进一步的分析与处理,能够实时、方便地识别出苹果树叶病害中较为常见、发病率高的花叶病,锈病,灰斑病,斑点落叶病以及褐斑病.经测试,该系统对苹果树5种常见病虫害识别率精度高达91.17％.结果表明,该算法能够有效提升苹果树病虫害防治,优于基于卷积神经网络特征的区域方法(regions with CNN features,R-CNN)、YOLO(you only look once)等单一病虫害检测方法.

关键词：机器视觉;图像分割;斑点检测;DNN神经网络;苹果树病虫害

所属期刊栏目：21

分类号：S436.611(病虫害及其防治)

资助基金：成都市科技局2019年财政科技项目2019-YF05-00203-SN

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10639-10645