10.3969/j.issn.1000-4440.2020.03.005
基于注意力神经网络的番茄叶部病害识别系统
基于注意力机制的卷积神经网络构建了番茄叶部病害识别系统.依据注意力机制构建并行注意力模块以提升特征提取能力,并与残差结构相结合构建PARNet模型.以分别患有早疫病、晚疫病、叶霉病、斑枯病和花叶病毒病这5类病害的叶片和健康叶片的叶部图像为研究对象,将PARNet模型与VGG16、ResNet50、SeNet等模型相对比,结果显示PARNet模型的识别率为96.91%,高出其他模型2.25%~11.58%.各类预测结果的精确率平均为96.84%.最后使用Flask完成WEB应用程序的开发,实现了跨平台的番茄叶部病害识别.
番茄、叶部病害、注意力机制、并行池化、WEB界面
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课题
2020-07-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
561-568