文档摘要：将深度残差神经网络应用到农作物疾病识别中,对14类番茄细粒度病症进行识别,使用数据增强以及改变优化器等方式对深度残差网络进行优化.实验表明:调优后的深度残差网络在粗粒度番茄病症的识别中达到了97.18％的准确率,在细粒度番茄病症的识别中达到了81.68％的准确率,与传统的深度学习模型相比,有更好地识别效果.细粒度病症识别的研究,能够准确定位到疾病的严重程度,对番茄病症的治疗提供了准确的决策支持,有利于农业生产和环境保护.
作者：胡伟健 樊杰 杜永兴 李宝山 李灵芳 杨颜博Author：HUWeijian FANJie DUYongxing LIBaoshan LILingfang YANGYanbo
作者单位：内蒙古科技大学信息工程学院,内蒙古包头014010
刊名：内蒙古科技大学学报
Journal：JournalofInnerMongoliaUniversityofScienceandTechnology
年，卷(期)：2020, 39(3)
分类号：TP183
关键词：深度学习 番茄病症 细粒度识别 深度残差网络
机标分类号：
在线出版日期：2020年10月15日
基金项目：国家自然科学基金资助项目，内蒙古自治区高等学校青年科技英才计划资助项目，内蒙古科技大学创新基金项目-优秀青年科学基金资助项目基于深度残差网络的番茄细粒度病症识别[
期刊论文] 内蒙古科技大学学报--2020, 39(3)胡伟健 樊杰 杜永兴 李宝山 李灵芳 杨颜博将深度残差神经网络应用到农作物疾病识别中,对14类番茄细粒度病症进行识别,使用数据增强以及改变优化器等方式对深度残差网络进行优化.实验表明:调优后的深度残差网络在粗粒度番茄病症的识别中达到了97.18％的准确率,在...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：
|
|
1
