排序方式: 共有72条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
基于卷积神经网络和小样本的茶树病害图像识别 总被引:2,自引:0,他引:2
以常见且特征相似的茶轮斑病、炭疽病和云纹叶枯病为对象,研究在小样本情况下利用卷积神经网络进行病害图像识别问题。运用7种模式的预处理方法对茶树叶部病害图像样本进行处理,并采用Alex Net经典网络模型进行学习实验,比较、分析其训练及识别效果。结果显示,模式7训练模型精度为93. 3%,平均测试准确率为90%,且对茶轮斑病、炭疽病和云纹叶枯病的正确区分率分别为85%、90%和85%,在预测值和真实值一致性方面优于其他预处理方法。在小样本情况下,该预处理方法可有效区分、识别3种易混病害,且识别精度高,性能好。 相似文献
5.
早熟桃经济性状模糊综合评判 总被引:1,自引:0,他引:1
本文根据模糊数学基本原理,对合肥地区栽培的11个早熟桃品种(系),采用产量、品质和成熟期等11个经济性状进行了综合评判。结果表明:安农2号、砂子早生和早花露综合经济性状较好;冈山早生、春蕾、安农1号、早黄肉、早香玉和雨花露次之;麦香和合肥早甜较差。作者认为,合肥地区发展早熟桃品种,应以砂子早生为主,配植冈山早生为授粉树;如栽培极早熟桃品种,提倡发展早花露为主。 相似文献
6.
为快速、高效地利用高光谱成像技术诊断小麦赤霉病病症,分析了卷积层结构与光谱病症特征的关联性,并重点研究了高光谱的像元分类建模方法。首先,基于深度卷积神经网络的2种典型结构,构建了不同深度的卷积神经网络,比较了小麦赤霉病高光谱数据点集的训练和测试结果。结果显示:Visual Geometry Group(VGG)结构随着网络深度的增加,模型损失值不断下降;残差神经网络(ResNet)结构随着深度增加,损失值没有明显降低,说明ResNet网络的深度与模型性能无关。从测试集评测模型泛化性可知,具有4个基础单元模块的22层VGG网络在所有深度卷积模型中最优,其建模和验证准确率远高于传统的支持向量机(SVM),分别为0.846和0.843,测试集准确率为0.742。以VGG为基础单元构建的深度神经网络,能有效提取小麦赤霉病病症的高光谱特征。研究结果可为大尺度小麦赤霉病的智能成像诊断提供理论基础。 相似文献
7.
8.
以139个皖北砂姜黑土样品为研究对象,首先在室内采集土壤在400~1 000 nm可见近红外光谱区域的成像和非成像2组光谱数据,再对光谱进行Savitaky-Golay卷积平滑、标准正态变量变换(SNV)和一阶微分(FD)等一种或多种组合处理,最后利用偏最小二乘回归(PLSR)分别建立土壤速效磷(AP)含量回归模型。对2组光谱进行光谱特征分析和相似度分析,并对比模型预测效果,结果显示,成像和非成像光谱在形态上趋向一致,且非成像光谱的反射率值在每个波长点上均高于成像光谱;平滑处理后2种光谱的光谱相关拟合度得到提高;经预处理后,2种光谱建立的模型预测精度均有所提高;非成像光谱经预处理后建立的最优模型预测精度(验证集相对分析误差MRPD为2.02)高于成像光谱(验证集相对分析误差MRPD为1.85)。因此,成像光谱相对于非成像光谱在400~1 000 nm波段建立的土壤速效磷含量回归模型预测能力稍差,但通过光谱预处理变换可以降低成像和非成像光谱的差异性并缩小成像与非成像光谱模型预测精度的差距。 相似文献
9.
10.
基于DRIS与PLI结合的砀山酥梨营养诊断系统 总被引:5,自引:0,他引:5
本文根据果树营养诊断技术的发展和砀山酥梨树体营养特点,提出基于营养综合诊断与盈亏指数结合的方法对酥梨进行营养诊断。采用面向对象技术,在VC++环境下实现了砀山酥梨营养诊断系统。实例验证表明,该系统诊断结果准确、有效,并且运行效率高,人机交互界面友好,为砀山酥梨营养自动诊断提供平台,文中着重介绍了诊断原理和系统构建方法。 相似文献