10.3969/j.issn.1000-4440.2020.01.003
基于卷积神经网络的玉米品种识别
为了解决传统算法中人工提取特征的缺陷,提出了基于卷积神经网络的玉米品种识别算法.以登海518、浚单20和郑单9583个玉米品种为研究对象,制作数据集并进行分类标签,分别标记为0、1、2.使用Keras学习框架搭建网络模型,包括1个输入层、5个连续的卷积池化结构、3个全连接层和1个输出层.卷积层提取有效的特征信息,结合Leaky ReLU激活函数传递至下一层,输出层采用Softmax函数实现玉米品种的识别.使用完成训练的模型对预测集进行预测.结果表明:登海518、浚单20、郑单958的识别率分别达到100.00%、93.99%、92.49%,平均识别率达到95.49%.
玉米、品种识别、卷积神经网络、Keras学习框架
36
TP391(计算技术、计算机技术)
国家自然科学基金项目;山东省研究生教育创新计划项目;海信山东冰箱有限公司研发中心资助项目
2020-03-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
18-23