基于BP神经网络粒穗连接力的数学模型的建立

通过试验装置对北方寒地水稻与机械化收获相关的参数测定,以水稻枝梗的直径、枝梗的长度、籽粒的长、宽、厚、含水率作为输入,籽粒与粒柄之间的连接力作为输出,从多个因素出发利用matlab的神经网络工具建立水稻籽粒连接力的BP网络结构,并通过实测数据检测模型的实测值与预测值的相对误差在5%以下。     

基于卷积神经网络的农作物病害识别方法研究

传统的农作物病害诊断主要依靠人工识别,需要从业者具有一定经验且主观性较强,存在误判现象。针对这一现象,提出了一种基于卷积神经网络的农作物病害识别方法。选取玉米和马铃薯的5种常见病害进行试验,构建了1个13层的卷积神经网络结构,并分析了不同池化方式及优化算法对该模型准确性的影响。同时采用十折交叉验证对模型鲁棒性进行评估,结果表明该模型具备良好的分类性能,对5种病害的平均识别率为93.95%,为玉米及马铃薯常见病害识别提供了一种新途径。