排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97%,尤其是Xception模型不仅可以达到98.50%的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性. 相似文献
2.
针对病虫草害大数据的存储分散和展示无系统化的问题,提出采用Spark核心技术搭建大规模集群,将HDFS(Hadoop distributed file system)分布式文件存储系统、Mongo DB数据库和My SQL数据库相结合,集病虫草害信息管理、信息查询、用户管理和数据库维护等功能于一体,实时更新、展示、存储和管理海量多源异构病虫草害数据,构建基于云端的农业病虫草害大数据图文数据库信息服务平台,在提高农业病虫草害的数字化管理、信息共享等方面具有极其重要的意义。 相似文献
3.
4.
5.
根据专家和各种文献资料中关于柑桔营养缺素诊断的知识,采用雄风4.1专家系统开发平台和证据理论作为不精确推理模型,研制出了柑桔营养缺素诊断专家系统。 相似文献
1