典型文献
基于AI的桃树病害智能识别方法研究与应用
文献摘要：
为解决传统人工识别桃树病害效率低、成本高、准确率低等问题,提出了基于AI深度学习的桃树病害智能识别方法,利用并微调ImageNet预训练的DenseNet-169分类模型,对桃树常见的11种病害图像进行预处理与模型训练,搭建桃树病害智能识别软件环境.该方法对常见桃树病害的平均识别率达到91％以上,结合图像处理、深度学习、数据挖掘等技术自动对桃树病害进行识别,实现桃树病害的智能诊断并提供防治建议.该方法具有人力成本低、操作简单、识别效率高等优点,利于病害的及时诊出与防治决策的制定,对促进果园病害防控的智慧化管理具有重要研究意义与应用价值.
文献关键词：
桃树病害;图像识别;深度学习;DenseNet模型
中图分类号：
作者姓名：
吴建伟;黄杰;熊晓菲;高晗;秦向阳
作者机构：
北京市农林科学院,北京100097;国家农业信息化工程技术研究中心,北京100097;北京派得伟业科技发展有限公司,北京100097
文献出处：
引用格式：
[1]吴建伟;黄杰;熊晓菲;高晗;秦向阳-.基于AI的桃树病害智能识别方法研究与应用)[J].中国农业科技导报,2022(05):111-118
A类：
B类：
桃树病害,智能识别方法,传统人工,人工识别,微调,ImageNet,预训练,DenseNet,分类模型,病害图像,模型训练,识别率,智能诊断,防治建议,人力成本,果园,病害防控,智慧化管理,研究意义,图像识别
AB值：
0.288473
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
