基于深度学习的鲜食葡萄叶片品种识别研究
潘博文1
林美苓2
鞠延仑3
苏宝峰4
孙磊2
樊秀彩2
张颖2
张永辉5
刘崇怀2
姜建福2
房玉林3
1.中国农业科学院郑州果树研究所,郑州 450009;西北农林科技大学葡萄酒学院,陕西杨凌 7121002.中国农业科学院郑州果树研究所,郑州 4500093.西北农林科技大学葡萄酒学院,陕西杨凌 7121004.西北农林科技大学机械电子与电子工程学院,陕西杨凌 7121005.云南省农业科学院热区生态农业研究所·元谋干热河谷植物园,云南元谋 651300
摘要：[目的]建立基于深度学习的鲜食葡萄叶片品种识别模型,为中国鲜食葡萄品种的保护、开发和系统分类工作奠定科学基础,并为其他农作物品种的鉴别工作提供借鉴.[方法]聚焦于68个常见鲜食葡萄成熟叶片的图像分析,通过图像采集技术,构建一个包含29 713张图像的鲜食葡萄叶片数据集.采用4种先进的卷积神经网络模型——GoogleNet、ResNet-50、ResNet-101和VGG-16对这些图像进行深入的自动识别研究.[结果]在所有测试的网络模型中ResNet-101表现最为出色,其在最佳参数配置下达到了 97.99％的分类精度.在对68个葡萄品种的叶片图像进行检测时,对23个品种的预测准确率达到了 100％,对整体的平均预测准确率则为94.90％.此外,对18个品种的召回率也达到了 100％,对整体的平均召回率为94.19％.采用Grad-CAM技术分析的结果显示,所有模型都能精确地识别叶片的关键特征,叶片的表面纹理、叶脉和叶缘部分在品种识别过程中起到了至关重要的作用.[结论]深度学习网络模型可以很好地对鲜食葡萄进行自动实时识别.
关键词：鲜食葡萄深度学习品种识别叶片
分类号：S663.1(果树园艺)
资助基金：广西重点研发计划(AB241484010)现代农业产业技术体系(CARS-29-yc-1)楚雄州兴楚科技领军人才培养项目(CXKJLJRC2023-06)国家园艺种质资源库运行服务(NHGRC2021-NH00-2)中国农业科学院科技创新工程专项(CAAS-ASTIP-2017-ZFRI)
论文发表日期：2025-08-10
在线出版日期：2025-09-04（本平台首次上网日期，不代表文献的发表时间）
页数：14( 1883-1896 )
英文信息