Coding-Party 基于飞桨的农作物智能识别系统病虫害识别

Posted ZhangJiQun&MXP

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Coding-Party 基于飞桨的农作物智能识别系统病虫害识别相关的知识,希望对你有一定的参考价值。

目录

Coding-Party 基于飞桨的农作物智能识别系统

病虫害识别


Coding-Party 基于飞桨的农作物智能识别系统

联合国粮食及农业组织最近的一份报告表明,每年农业生产的自然损失中有三分之一以上是由农业病虫害造成的。需要考虑的农业病虫害众多,依赖于实验室观察和实验的传统方法很容易导致错误的诊断。为加快转变农业发展方式,农业部组织开展农作物病虫害专业化统防统治与绿色防控融合推进,逐步实现农作物病虫害全程绿色防控的规模化实施、规范化作业。融合推进可以有效提升病虫害防治的组织化程度和科学化水平,是实现病虫综合治理、农药减量控害的重要内容,也是转变农业发展方式、实现提质增效的重大举措。在保障防治效果的同时,农产品质量符合食品安全国家标准,生态环境及生物多样性有所改善。

病虫害识别

项目创新点

本作品将基于AI Challenger农作物叶子增加识别细粒度图像数据集包含10种植物的27种病害,合计61个分类(按“物种-病害-程度”分)的特性同时结合实地采集的数据,主要从以下几个方面考虑改进:

  • 发病初期检测:增加一定的农作物种类与细分粒度 绝大多数能识别出来的病虫害,等能识别出来的时候已经太晚了。比如草莓白粉病,发病初期症状极为不明显(非常薄的白色绒毛状斑点),只有大量白色粉末状真菌长满叶片(或者果实)的时候才能很明显的看到。
  • 从叶子入手预防:优选模型,注重预测精度,增加考虑因素 存在一部分病虫害在发生危害之前根别看不见病/虫原,如植物根部的线虫,藏于叶子后的蚜虫等情况,将监控不局限于图像的分析识别。

 

【Paddle打比赛】辣椒病虫害图像识别挑战赛 - 飞桨AI Studio

 

 

以上是关于Coding-Party 基于飞桨的农作物智能识别系统病虫害识别的主要内容,如果未能解决你的问题,请参考以下文章

MAML小样本学习算法解读及基于飞桨的代码实现

基于PaddleX的岩石识别

基于PaddleX的岩石识别

AI+Science:基于飞桨的AlphaFold2,带你入门蛋白质结构预测

飞桨赋能润建股份打造智能化路网系统,实现精度速度全面提升

百度飞桨学习——七日打卡作业五人识别