10.3969/j.issn.1002-2481.2023.07.15
基于MobileNetV3-large模型的葡萄品种识别
葡萄品种繁多、性状各异,识别葡萄品种速度慢、精度低、成本高,且主观性强、时效性差.因而,开发识别速度快、精度高、成本低、时效性强的葡萄品种识别技术具有重要理论意义和实践价值.为实现葡萄品种的无损、高效识别,为精准农业提供理论基础,以早黑宝、无核早红、夏黑、红地球和阳光玫瑰等5个鲜食葡萄品种为试材,基于其叶片形态特征,采用迁移学习网络模型MobileNet-large,分析该模型在5个葡萄品种上迁移学习的效果,比较3种MobileNet-large网络模型的训练结果,从而构建基于叶片图像的MobileNetV3-large葡萄品种识别模型.结果表明,训练前迁移学习能够显著提高葡萄品种的识别率,无核早红正确识别率可达 100％;Mobile-NetV3-large训练结果的准确率、召回率、F1-score、AUC等因葡萄品种、学习率不同而不同,当学习率为 0.005时,MobileNetV3-large模型网络训练损失值最小,其中,红地球葡萄准确率最高.比较3种MobileNet-large网络模型可知,MobileNetV3-large模型整体表现最佳,在训练中第27轮开始收敛,Top-1准确率高达90.56％,平均准确率为97.50％.说明MobileNetV3-large模型是适宜的葡萄品种识别网络模型.
葡萄、MobileNetV3-large、迁移学习、品种识别
51
S663.1(果树园艺)
山西省应用基础研究计划项目;山西省应用基础研究计划项目;山西省应用基础研究计划项目;山西省现代农业产业技术体系建设专项
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
824-831
