适用于小样本显微图像数据集的柑橘黄龙病快速诊断模型

作     者：林少丹 李效彬 杨碧云 陈晨 何伟城 翁海勇 叶大鹏 Lin Shaodan;Li Xiaobin;Yang Biyun;Chen Chen;He Weicheng;Weng Haiyong;Ye Dapeng

作者机构：福建农林大学机电工程学院福州350002 福建船政交通职业学院福州350007 福建省农业信息感知技术重点实验室福州350002 

基　　金：国家自然科学基金(62005046 712021038) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2022年第38卷第12期

页      码：216-223页

摘      要：为了探究柑橘黄龙病病原菌对宿主叶片主脉显微结构的影响并建立基于叶片主脉显微图像的快速诊断方法,该研究以健康、染病未显症、染病显症和缺镁4类柑橘叶片主叶脉的显微图像为研究对象,提出了一个适用于小样本显微图像数据集的增强特征的无监督训练柑橘黄龙病检测模型(Enhanced Huanglongbing Unsupervised Pre-training Detect Transformer,E-HLBUP-DETR)。该模型首先采用无监督训练结合迁移学习构成上游网络(unsupervised pre-training model),再利用Yolact模型设计出增强特征网络(Enhanced Feature Network,EFN)与DETR(Detect Transformer)相结合构成下游网络,最终建立E-HLBUP-DETR诊断模型。研究结果表明,E-HLBUP-DETR模型检测的准确率可达96.2%,能够解决采用小规模数据集训练的模型存在过拟合和准确率低的问题。相较于未改进的DETR模型,E-HLBUP-DETR具有更高的检测准确率,识别准确率也优于CNN架构ResNext的92.1%与MobileNet的76.3%。研究结果可为显微尺度下柑橘黄龙病的早期快速诊断提供技术支持。

主 题 词：图像识别 显微图像 无监督学习 柑橘黄龙病 Detect transformer 增强特征网络 CNN 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 09[农学] 0804[工学-材料学] 0904[农学-动物医学类] 090401[090401] 081101[081101] 090402[090402] 0811[工学-水利类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.2022.12.025

馆 藏 号：203114427...