DOI：10.3969/j.issn.1672-3872.2024.20.008
作 者：周 雷1 ，王世平1 ，冯思宇2 ，徐久升1 ，李 宁1
（1. 鞍钢资源有限公司鞍山综合服务分公司，辽宁 鞍山 114000；2. 沈阳工业大学，辽宁 沈阳 110870）
摘 要：【目的】解决传统水稻病虫害检测领域面临的人力和时间成本高、误检率高等问题。【方法】文章提出了一种基于改进残差网络的水稻病虫害识别方法，利用自然环境下的水稻叶片病虫害数据集进行实验，构建了ResNet34基准模型进行训练，引入残差连接的神经网络结构，通过跨层传递信息解决了深度网络训练中的困难。【结果】1）模型在训练集上的准确率达到了0.98，测试集的准确率、精确率、召回率、精确率和召回率的调和平均数均达到并收敛于0.97。2）各类病害的检测准确率均在97%以上，褐斑病的检测准确率达到99.113%，是4种病害检测中最高的。【结论】改进后的模型在查准率、查全率和召回率方面取得了较好的平衡，具有较好的泛化能力和实用价值，能够有效解决水稻病害图像特征不明显、识别效果差等诸多问题。
关键词：图像处理；机器学习；水稻病虫害识别；残差网络
引文信息：[1]周雷，王世平，冯思宇，等.基于改进残差网络的水稻病虫害识别检测算法[J].南方农机，2024，55(20)：30-34.
查看全文请下载PDF文件↓
