基于深度学习的葡萄砧木叶片识别研究

作者：潘博文; 魏冰心; 苏宝峰; 鞠延仑; 刘崇怀; 樊秀彩; 张颖; 孙磊; 姜建福^*; 房玉林^*

来源：植物遗传资源学报, 2023, 1-14.

DOI：10.13430/j.cnki.jpgr.20231024001

• 砧木
• 深度学习
• 品种识别
• 葡萄
• 叶片

嫁接有利于增强树体对生物及非生物胁迫的适应能力，提高葡萄产量和品质。葡萄砧木品种多样复杂，识别难度较大，深度学习能够快速提取图像的深层特征，被广泛应用于植物图像分类识别领域。本研究以30份葡萄砧木成龄叶图像作为研究对象，通过采集叶片图像，构建了一个数量为13547张的葡萄砧木叶片数据集。采用GoogleNet、ResNet-50、ResNet-101以及Vgg-16等4个卷积神经网络对其进行自动识别。结果表明：精度最高的分类网络为ResNet-101，在最优模型参数下精度达到97.5%。在检测模型的30个品种中，有7个品种的预测精确率达到100%，平均预测精确率为92.59%；有8个品种的召回率达到100%，平均召回率为91.08%，叶片的叶面纹理、叶脉以及叶缘部分对品种识别的影响最大。以上结果证实，深度学习网络模型可以实现了对葡萄砧木的自动实时识别，为葡萄砧木品种的保护、利用、分类研究以及其他农作物的品种识别提供参考。

• 单位
  中国农业科学院郑州果树研究所; 电子工程学院; 西北农林科技大学