基于卷积神经网络的黄瓜白粉病智能识别算法研究 |
| |
引用本文: | 旦真旺姆,全淼儿,钱婷婷,石称华,刘哲辉,常丽英.基于卷积神经网络的黄瓜白粉病智能识别算法研究[J].上海农业学报,2023(2):127-132. |
| |
作者姓名: | 旦真旺姆 全淼儿 钱婷婷 石称华 刘哲辉 常丽英 |
| |
作者单位: | 1. 上海交通大学农业与生物学院;2. 上海市农业科学院;3. 上海劲牛信息技术有限公司 |
| |
摘 要: | 采用AlexNet、VGG16、GoogLeNet和ResNet50等4种CNN模型对黄瓜4个病害级别的白粉病叶片图像进行反复迭代训练,探究迭代次数、BATCH_SIZE参数对4种模型识别分类效果的影响,分析不同CNN模型的性能,以选择出应用于黄瓜白粉病识别的最优模型。结果表明:从训练集损失函数的损失率、识别准确率及训练时间综合考量,在当前试验样本条件下,迭代次数为40次,BATCH_SIZE值等于90时,ResNet50模型结果最优,其训练用时为24 min,模型识别准确率为91.30%,对黄瓜白粉病不同病害级别智能识别具有较好的分类性能。
|
关 键 词: | 黄瓜白粉病 卷积神经网络 模型 深度学习 智能识别算法 |
|
|