10.3969/j.issn.1002-2279.2020.03.008
基于深度学习的番茄叶部病害识别模型
番茄叶病种类多、成因复杂,其预防和识别难度较大.传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点.为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型.该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率.将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上.
番茄叶部病害、深度学习、卷积神经网络、PCA算法、Softmax函数
41
TP391(计算技术、计算机技术)
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36