南京林业大学学报(自然科学版)

作者：尹显明,棘玉,张日清,莫登奎,彭邵锋,韦维

单位：1.中南林业科技大学林学院,湖南 长沙 410004,2.湖南省林业科学院,湖南 长沙 410004,3.广西壮族自治区林业科学研究院,广西 南宁 530002

关键词：深度学习,油茶叶片,品种识别,GoogLeNet,ResNet

基金：广西壮族自治区林业科学研究院横向课题(GXLKY-15126083),湖南省林业科技创新专项基金项目(XLK201939)

【目的】 采用深度学习方法开展基于叶片的油茶品种识别研究,开发油茶品系图像识别技术,为油茶品种鉴别提供科学依据。【方法】选择自然光照条件下生长的11个油茶品种叶片作为研究对象,采集完整、无明显病虫害的叶片,以白色硬纸板为背景,利用智能手机对叶片的正、背面进行图像采集,通过可用性筛选去除无效图像,构建图像数量为2 791张的油茶叶片品种数据集,采用深度学习网络(GoogLeNet、ResNet)对11个油茶品种的叶片图像进行识别研究。【结果】GoogLeNet和ResNet网络均能满足基于叶片的油茶品种识别要求,总体识别准确率、召回率的调和平均值(F1)分别达94.0%和80.7%;其中GoogLeNet网络识别效果更好,平均准确率、召回率、多分类模型指标宏观F1(Macro F1)和微观F1(Micro F1)分别为94.1%、94.0%、94.0%和96.9%,其对油茶品种编号1和编号8的识别召回率高达100%。【结论】深度学习网络(GoogLeNet、ResNet)能够实现基于叶片的油茶品种识别,可为基于其他作物的品种识别提供参考。

来源：2023年第3期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2023年第3期