中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于RGB图像的冠层尺度水稻叶瘟病斑检测与抗性评估 浙江大学学报(农业与生命科学版) 2021 (4) 415-428
Position: Home > Articles > 基于RGB图像的冠层尺度水稻叶瘟病斑检测与抗性评估 Journal of Zhejiang University (Agriculture and Life Sciences) 2021 (4) 415-428

基于RGB图像的冠层尺度水稻叶瘟病斑检测与抗性评估

作  者：
谢鹏尧;富昊伟;唐政;麻志宏;岑海燕
单  位：
浙江省嘉兴市农业科学研究院;浙江大学生物系统工程与食品科学学院
关键词：
冠层尺度;水稻病害;叶瘟检测;深度学习;抗性评估;
摘  要：
针对依赖人工主观判断水稻叶瘟抗性费时费力且准确率低的问题,本文提出了一种基于水稻冠层尺度RGB图像和掩膜区域卷积神经网络（mask regions with convolutional neural network, Mask-RCNN）深度学习框架的水稻叶瘟病斑识别检测方法,通过分析水稻RGB图像中不同类别病斑的数量信息,构建多种分类模型来评估病斑数量和抗性水平之间的关联性。首先采集包括粳稻品系、早籼品系和籼型恢复系等不同品系的水稻育种材料的苗期RGB图像,然后通过对输入图像进行预处理和标记,最终建立了用于识别水稻叶瘟病斑的Mask-RCNN模型,实现了叶瘟病斑的矩形框检测、掩膜分割和分类,其平均交并比（mean intersection over union, mIoU）为0.603。当采用0.5的交并比（intersection over union, IoU）阈值时,测试数据集的病斑检测平均准确率均值（mean average precision, mAP）为0.716。在基于病斑数量的抗性评估模型中,高斯过程支持向量机在测试数据集上取得了94.30%的最高抗性评估准确率。研究结果表明,基于水稻冠层RGB图像和Mask-RCNN模型可实现水稻叶瘟病的准确识别,检测的病斑数量特征和叶瘟抗性水平高度相关。本研究为水稻抗病性品种的高效选育提供了技术支撑。

相似文章

导出引用
计量
文章访问数: 22
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46