10.3969/j.issn.1000-3428.2015.12.055
基于卷积网络的苹果病变图像识别方法
为更好地识别病变图像,提出基于卷积网络和时变冲量学习的苹果病变图像识别方法.引入卷积、采样算子,通过基于时变冲量的参数训练过程实现网络自我优化,自动提取果园物联网传感器采集的果体图像病变特征,并对病变类别予以识别.实验结果显示,与浅层学习方法及深度学习方法相比,该方法识别性能优势明显,正确率为97.45%,收敛速度快,并能维持较好的后期稳定性,对于不同基准数据集有较好的泛化能力.
病变图像、卷积、机器学习、时变冲量、预警
41
TP183(自动化基础理论)
国家自然科学基金资助项目61271257;湖南省教育厅科学研究基金资助项目16A151;湖南文理学院大学生研究性学习和创新性实验计划项目
2016-02-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
293-298