10.3969/j.issn.1672-3872.2023.07.006
基于卷积神经网络的番茄主要病害识别方法研究
传统的番茄叶片病害识别周期长、准确率较低,依赖于人工设计特征.基于此,课题组现提出一种基于深度残差网络的番茄叶片病害识别网络,该网络基于ResNet101网络,将Plant Village数据集在ResNet101网络中训练好的参数进行迁移以完成构建,通过观察精准率、召回率和混淆矩阵等模型的评价标准可以看出,课题组提出的网络相对于参照模型,在番茄叶片病害识别方面综合平均识别率更高、收敛速度更快,具有更好的鲁棒性和泛化能力.研究结果表明,该网络能更好地平衡识别准确率和网络轻量高效的需求,模型的平均识别准确率高达99.89%,具有良好的应用前景,初步满足了番茄病害识别的生产要求.
残差网络、番茄叶片、病害识别、迁移学习
54
TP183;S641.2(自动化基础理论)
广东茂名农林科技职业学院校级教研科研资金资助项目;广东省科技创新战略专项攀登计划
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
21-23