基于卷积神经网络的农作物病害识别方法研究

来源 :武汉轻工大学 | 被引量 : 0次 | 上传用户:kjtx123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
农作物病害识别一直是图像识别领域的重要问题。引入新的学科理论,结合最新科技,为了探索最优图像的识别策略,图像识别领域开始关心多种方法综合使用。鉴于传统图像处理在作物病害应用中复杂且效率低下的手动设计特点,本文研究了深度学习算法在作物病害识别中的性能,主要做以下工作:(1)本文农作物病害数据集总计40772张图片包含10种作物,26种病害种类和标记有病害程度的样本共计59类,并研究了模型训练前的数据预处理、归一化、图像增强等对训练后模型的泛化能力与模型训练速度的影响。(2)研究了基于迁移学习方法的VGG-16、Res Net-50、Inception V3、Mobile Net V2四种经典CNN网络结构在农作物病害数据集上的性能表现,其中Res Net-50在农作物病害数据集上表现最佳。top-1准确率达到了88.10%,top-5准确率达到了99.21%。轻量型网络Mobile Net V2病害识别模型的top-1准确率达到了85.98%,top-5准确率达到了96.10%。(3)为了提高模型准确率,提出改进CNN模型性能表现的方法。本文主要从两个方面对CNN进行优化,分别是模型结构优化和训练调优。通过实验结果分析前者对Res Net-50的top-1准确率最高有1.16%的提升,top-5准确率最高有0.37%的提升。后者则对四种CNN模型的top-1准确率最高有着1.08%的提升,对top-5准确率最高有着0.78%的提升。
其他文献
由于雷达目标的高距离分辨回波是宽带雷达目标散射点子回波沿雷达视线方向(LOS)的投影的叠加,包含雷达目标的尺寸及散射点的分布等丰富的雷达目标结构信息,并且具有易于获取
随着宽带接入及移动互联应用的快速发展,传统静态频谱分配方式已无法满足用户需求。认知无线电技术通过支持认知用户(Secondary User,SU)共享使用主用户(Primary User,PU)的
互联网供应链金融是我国经济社会发展的必然选择,研究互联网供应链金融能够提升我国中小微企业的经营能力,促进社会的全面发展,具有重要的意义。我国供应链金融已经逐步成为
随着信息技术的飞速发展,复杂网络已经成为国内外学者研究的重要课题。在复杂网络研究的过程中,研究人员收集了大量真实的数据,并总结了不同领域复杂网络的特征,发现复杂网络
一直以来,人脸都是计算机视觉和图形学的热门研究领域。随着智能手机的普及,用户对于人脸美化、人脸识别、人脸动画等人脸相关的任务需求量巨大,促使学术领域的更多研究员投
学位
随着物联网行业的快速发展,特别是窄带物联网(NB-IoT)标准的确立,社会正步入万物互联的时代。车辆监控、智能抄表、智能追踪等领域都会涉及终端数据的传输和处理等问题,这些
本论文主要研究了过渡金属钯催化高烯丙基醇的碳-碳键选择性活化的烯丙基胺化反应以及中心手性金属络合物催化的溴代丙二酸酯与α,β-不饱和酰基化合物的不对称环丙烷化反应
无线传感器网络作为物联网中信息感知和采集的重要组成部分,已经在很大程度上影响和改变着我们的生活。在多数应用中,不仅要求采集数据的准确性,更需要精确的位置信息。因此,
大脑皮质高级认知功能的发挥依赖于两类重要的神经元:兴奋性投射神经元和抑制性中间神经元协同作用。这其中,尽管中间神经元的数量仅占皮质全部神经元的20%-30%,但却是神经环