番茄作物是市场上的重要主食,并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降; 因此,对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型,例如细菌斑,晚疫病,裁缝叶斑,番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前,智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗? 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络(CNN)的技术,而卷积神经网络是机器学习的一部分,可以早期发现有关植物状况的信息。 CNN方法取决于从输入图像中提取特征(例如颜色,叶子边缘等),并在此基础上确定分类。 Matlab m文件已用于构建CNN结构。 从植物村获得的数据集已用于训练网络(CNN)。 所建议的神经网络已被用于分类六种类型的番茄叶片情况(一种健康的叶片植物疾病和五种类型的叶片疾病)。 结果表明,卷积神经网络(CNN)已经实现了96.43%的分类精度。 真实图像用于验证建议的CNN技术进行检测和分类的能力,并使用5兆像素相机从真实农场中获得,因为感染该星球的大多数常
2024-03-01 15:43:09
1.85MB
行业研究
1