基于EfficientNet网络与深度学习的植物叶部病害识别方法技术

本申请提供了一种基于EfficientNet网络与深度学习的植物叶部病害识别方法包括步骤：获取包含植物正常状态和植物叶部病害的图像数据集；对图像数据集进行数据增强处理和数据扩张处理，得到训练数据集；基于EfficientNet网络与深度学习搭建EfficientNet模型；将训练数据集输入到EfficientNet模型进行训练，得到训练完成的EfficientNet模型；使用EfficientNet模型对包含植物叶部病害的图像数据进行植物叶部病害识别。能够快速且准确的进行自然环境下的植物病害识别并采取相应的措施，对于植物病情的控制和治疗意义重大，能够及时准确地诊断植物病害，对于可持续和正确的农业，以及防止不必要的浪费财政和其他资源，都具有重要意义。都具有重要意义。都具有重要意义。

【技术实现步骤摘要】
基于EfficientNet网络与深度学习的植物叶部病害识别方法


[0001]本专利技术涉及植物病害识别
，具体涉及一种基于EfficientNet网络与深度学习的植物叶部病害识别方法。

技术介绍

[0002]病害的监测和防治是现代农业发展中的重要内容，木薯作为世界上年产量超过亿吨以上的七大作物之一，在我国华南及中部多个省都有种植，相关产业在农业经济中占有重要地位。在我国，由于耕地资源有限、机械化程度较低，近年来一直是世界上最大的进口国。快速且准确的进行自然环境下的植物病害识别并采取相应的措施，对于植物病情的控制和治疗意义重大，及时准确地诊断植物病害，对于可持续和正确的农业，以及防止不必要的浪费财政和其他资源，都具有重要意义。
[0003]相关技术中，通常还是通过人工检查木薯的生长状态，或者是通过食品监控，再结合人员经验来识别木薯的叶部病害，检查效率低下，而且极度依赖人员经验，实时性也较差。

技术实现思路

[0004]本专利技术的目的在于克服上述技术不足，提供一种基于EfficientNet网络与深度学习的植物叶部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EfficientNet网络与深度学习的植物叶部病害识别方法，其特征在于，包括以下步骤：获取包含植物正常状态和植物叶部病害的图像数据集；对所述图像数据集进行数据增强处理和数据扩张处理，得到训练数据集；基于EfficientNet网络与深度学习搭建EfficientNet模型；将所述训练数据集输入到所述EfficientNet模型进行训练，得到训练完成的所述EfficientNet模型；使用所述EfficientNet模型对包含植物叶部病害的图像数据进行植物叶部病害识别。2.根据权利要求1所述的一种基于EfficientNet网络与深度学习的植物叶部病害识别方法，其特征在于，在所述基于EfficientNet网络与深度学习搭建EfficientNet模型之前，包括步骤：使用HSV色彩空间提取所述图像数据集的图像数据特征。3.根据权利要求1所述的一种基于EfficientNet网络与深度学习的植物叶部病害识别方法，其特征在于，所述植物叶部病害包括：木薯细菌性枯萎病、木薯绿斑病、木薯花叶病、木薯细菌性角斑病、木薯病毒病、木薯丛枝病、木薯褐斑病、木薯环斑病、木薯白粉病、木薯炭疽病、木薯锈病和木薯干腐病。4.根据权利要求1所述的一种基于EfficientNet网络与深度学习的植物叶部病害识别方法，其特征在于，所述对所述图像数据集进行数据增强处理和数据扩张处理，至少包括以下步骤之一：对所述图像数据集进行图像亮度调整处理；对所述图像数据集进行图像剪裁处理；对所述图像数据集进行图像旋转处理；对所述图像数据集进行图像镜像对称处理；对所述图像数据集进行图像加噪处理。5.根据权利要求1所述的一种基于EfficientNet网络与深度学习的植物叶部病害识别方法，其特征在于，所述基于EfficientNet网络与深度学习搭建Efficient...

【专利技术属性】
技术研发人员：撒继铭，高菲，王卓尔，赵中雨，涂赛飞，彭峰，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：