基于深度可分离卷积的苹果叶病理识别
本文以斑点落叶病等5种苹果叶病害为研究对象,设计了一种基于深度可分离卷积的苹果叶病理识别方法.该方法采用概率数据增强对原始数据集进行扩增,使用迁移学习探索了深度可分离卷积神经网络在农作物病理识别中的应用:设计了一种适用于受限设备的深度学习模型以实现对苹果叶病害的识别分类,并将该模型进行压缩和转换,移植到某嵌入式系统上进行了验证.实验结果表明该方法在受限设备上的识别率最高仍可达85.96%,具有较好的识别效果.
迁移学习、图像处理、数据增强、深度卷积网络
29
2018年广东省普通高校特色创新项目;2018年广东省创强青年人才项目;2018广州大学华软软件学院创新强校工程
2020-11-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
190-195