基于混合注意力机制的植物病害识别

针对现有的多种植物病害分类识别方法存在准确率不高的问题,提出一种基于混合注意力机制深度残差网络的植物病害识别方法.该识别方法通过在传统的残差神经网络上,增加空间注意力模块以及通道注意力模块,使网络对于图片的细节部分的注意力更高,提取的特征更为丰富.为了验证改进后的网络模型对植物病害分类识别的有效性,使用改进的模型与现有...     

基于Stacking模型的红枣品种分类识别

新疆红枣品种较多,在进行红枣加工过程中需要对不同品种进行区分。针对当前人工分类效率低成本高、机械分类难以确保综合品质的问题,提出了基于Stacking模型融合的红枣品种分类识别方法。试验采集5个品类的红枣图像11 280张,进行预处理,建立数据集。构建以VGG 16、ResNet 50、Densenet 121 3种不同的卷积神经网络为基学习器,逻辑回归为次级学习器的Stacking集成学习模型,进行了集成模型与单一神经网络模型以及不同基学习器组合的集成模型间的对比试验。结果表明：在红枣分类识别任务中,采用单一模型的最高准确率为88.30%,该研究提出的融合模型能够达到92.38%的准确率,分类准确率提升了4.60个百分点。