论文部分内容阅读
农作物病害是对农作物产量和质量的主要威胁之一,植物的健康检测和疾病检测有利于发展可持续农业.但在许多地方缺少必要的检测设施,边缘计算器的出现为快速识别农作物病害提供了可能.本文采用在大型公开数据集Imagenet上训练Efficientnet-B0、Squeezenet1＿0、Inceptionv3的预训练模型,结合迁移学习和边缘计算器Jetson nano对农作物进行病害识别.采用混合训练在受控条件下收集的14种作物和26种疾病的Plant Vill age数据集,有效提高了训练精度,最终在测试集上分类精度达到96.85%以上.同时将模型部署到边缘计算器Jetson nano上也获得了相同的结果,为农作物病害识别的便携化提供一个思路.