基于卷积神经网络的番茄叶部病害识别研究

摘要：

采用卷积神经网络(CNN)创建番茄病害识别模型,对番茄的健康叶片图像及7种病害图像进行预处理;采用深度学习架构TensorFlow进行CNN训练;研究了卷积层采用不同尺寸的卷积核及池化层采用不同的池化方法对番茄病害识别模型性能的影响.实验表明卷积层采用尺寸为5×5,3×3的卷积核及池化层采用最大值池化建立的模型分类识别效果好.测试集的平均识别率达到95.47％,该模型较本研究设计的其他模型分类识别率提高,鲁棒性较强,为后续蔬菜病害诊断与防治提供研究基础.

关键词：卷积神经网络、番茄病害、图像处理、分类识别模型

所属期刊栏目：16

分类号：TP37(计算技术、计算机技术)

在线出版日期：2020-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：25-27