基于加权集成的深度投票模型大豆灰斑病分级研究

摘要：

大豆作为重要经济作物,近年受灰斑病影响愈发严重,导致产量下降,为减少病害造成的经济损失,相关从业人员需针对灰斑病等级采取不同措施.因病害等级之间具有相似性,传统卷积神经网络(Convolutional Neural Network,CNN)识别准确率有待提高.依据国家标准,针对大豆灰斑病高抗、抗、中抗、感和易感5个等级开展基于传统卷积神经网络分级研究,识别准确率为88.7％,在此基础上,构建加权深度投票模型,该模型利用遗传算法自动学习机制优化基于传统卷积神经网络分级效果.结果表明,该模型在7500张测试集上识别准确率达到93.0％,比传统卷积神经网络模型准确率提高4.3％,为大豆病害分级提供新思路.

关键词：大豆、灰斑病、病害分级、卷积神经网络、深度投票模型

所属期刊栏目：53

分类号：S565.1(经济作物)

资助基金：国家自然科学基金;黑龙江省省属本科高校中央支持地方高校改革发展资金

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：76-85