基于卷积神经网络的番茄主要病害识别方法研究 |
| |
引用本文: | 李华锋,黄永辉,梁诗维,李岳鑫,赖颖茵,刘赞松,吴娟妹.基于卷积神经网络的番茄主要病害识别方法研究[J].南方农机,2023(7):21-23. |
| |
作者姓名: | 李华锋 黄永辉 梁诗维 李岳鑫 赖颖茵 刘赞松 吴娟妹 |
| |
作者单位: | 广东茂名农林科技职业学院 |
| |
摘 要: | 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。
|
关 键 词: | 残差网络 番茄叶片 病害识别 迁移学习 |
|
|