典型文献
基于轻量级CNN的作物病虫害识别及安卓端应用
文献摘要：
针对传统病虫害图像识别方法流程繁琐、效果差和应用困难等问题,本文以番茄、玉米、马铃薯3类作物17种叶部病虫害图片为研究对象,通过改进MobileNetV3网络模型并部署到移动端,实现了对多种作物病虫害图像的有效分类.首先,对病虫害图像做随机裁剪、旋转等预处理操作,对不均衡样本进行数据扩充;然后,将MobileNetV3网络从ImageNet数据集上学习获得的先验知识通过迁移学习策略应用到病虫害数据集上,经过参数微调并采用RAdam优化器训练后得到改进的轻量级网络模型;最后,将该模型通过Android Studio开发软件移植到安卓手机端.实验结果表明,该模型具有精度高、占用内存小、识别速度快等优势,能够满足对农作物叶片病虫害检测的基本要求,对智慧农业的发展具有参考意义.
文献关键词：
病虫害;图像识别;迁移学习;轻量级;安卓手机端
中图分类号：
作者姓名：
牛学德;高丙朋;任荣荣;徐明明
作者机构：
新疆大学电气工程学院, 新疆乌鲁木齐830047;四川信息职业技术学院智能控制学院, 四川广元628040
文献出处：
引用格式：
[1]牛学德;高丙朋;任荣荣;徐明明-.基于轻量级CNN的作物病虫害识别及安卓端应用)[J].广西师范大学学报（自然科学版）,2022(06):59-68
A类：
安卓手机端
B类：
作物病虫害,病虫害识别,图像识别,方法流程,番茄,马铃薯,MobileNetV3,移动端,随机裁剪,不均衡样本,数据扩充,ImageNet,先验知识,迁移学习策略,策略应用,微调,RAdam,优化器,轻量级网络,Android,Studio,开发软件,作物叶片,病虫害检测,智慧农业
AB值：
0.317519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
