摘要：北方寒地水稻纹枯病的危害日趋严重,是困扰水稻种植户的一大难题。为监测该病害的发生,提出了一种基于深度信念网络的病害识别新方法。首先,利用高斯滤波对病害图像进行增强预处理,采用Sobel边缘检测算子提取水稻纹枯病病斑特征;其次,设计并训练了包含3个隐含层受限玻尔兹曼机的深度信念网络,并利用文中提出的深度信念网络对1 500幅水稻纹枯病图像进行识别。7重交叉验证测试结果表明:平均识别准确率高达94.05%,优于常见的BP神经网络和支持向量机识别方法,为准确识别水稻纹枯病奠定了基础。

摘要：本文设计一种梯度惩罚生成对抗网络(WGAN-GP)生成水稻病害图像样本。首先,对WGAN网络模型增加新的惩罚项限制模型权重范围,然后生成水稻病害图像样本,对水稻病害图像小样本集进行扩充,最后利用混合样本集作为深度学习模型的数据集,增强模型训练和学习效果。实验结果表明,卷积神经网络使用生成的水稻病害混合样本训练的识别准确率比使用传统图像增强混合样本训练的识别准确率提高5.2%,证明了在有限训练数据集下,文中所提方法的有效性。