科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用无人机平台进行作物病害识别时，由于其拍摄图像分辨率高、目标病斑占比小，现有检测方法需要对图像进行多步骤处理，费时费力且检测效果不稳定。为减少图像处理步骤，提高检测准确率，文章以无人机拍摄图像中玉米大斑病为检测对象，首先将图像按照一定的比例进行缩小和裁剪，利用2种不同分辨率的图像重构公开数据集；然后对Xception网络进行改进，通过增加密集连接，减少病斑特征信息丢失，以提高特征信息融合能力，增加注意力模块调整图像通道，以抑制无效信息；最后训练模型完成对玉米大斑病的识别并进行性能评估。实验结果表明，所提模型识别准确率达到了95.23%，单张图片识别时间减少到了0.547 6 s。该模型能够有效检测无人机拍摄的图像中的玉米大斑病。
- 单位
