柑橘病害现场图像数据集及深度学习模型测试  

作　　者：蔡泳恒 郭建文[1] 李宇琛 陈凤宜 

机构地区：[1]东莞理工学院,广东东莞523808

出　　处：《中南农业科技》2023年第7期235-237,共3页South-Central Agricultural Science and Technology

基　　金：东莞市社会科技发展项目(20221800905102);广东省教育厅创新强校重点项目(2022ZDZX4053)。

摘　　要：深度学习用于植物病害图像分类,需要大量现场植物的叶片数据集,并且采用合适数据模型进行训练。以柑橘为对象,建立一个感染和正常叶片的数据集,采用ResNet50、DenseNet121、MobileNetV2、Vit Transformer、ECA_ResNet 5种模型对数据集进行训练,评估不同模型对数据集的训练性能,初步验证数据集支持深度学习进行柑橘病害种类识别的可行性。

关 键 词：柑橘 病害 图像识别 深度学习 模型测试 

分 类 号：S436.661[农业科学—农业昆虫与害虫防治] TP391.4[农业科学—植物保护] TP181[自动化与计算机技术—计算机应用技术]