典型文献
基于卷积神经网络的番茄晚疫病高光谱分类
文献摘要：
针对如何高效快速、准确无损、可视化地实现番茄晚疫病的识别分类等问题提出了基于支持向量机、二维和三维卷积神经网络的分类算法模型.实验中采用高光谱成像系统在可见光波段内采集感染晚疫病的番茄叶片图像,针对以下四种情况对比分析了不同算法的效果:未经预处理、主成分分析PCA、线性判别分析LDA,以及PCA和LDA联合降维.结果表明,在数据量较小的情况下,支持向量机径向基核函数结合PCA的效果最优,总体分类精度达到98.6％,平均分类精度达到98.4％,Kappa系数为0.970.本文建立的分类模型可以为研制番茄晚疫病自动检测设备提供算法研究基础.
文献关键词：
高光谱;卷积神经网络;支持向量机;晚疫病
中图分类号：
作者姓名：
孙茜童;付芸;韩春晓;范宇华;王天枢
作者机构：
长春理工大学 光电工程学院,长春 130022
文献出处：
引用格式：
[1]孙茜童;付芸;韩春晓;范宇华;王天枢-.基于卷积神经网络的番茄晚疫病高光谱分类)[J].长春理工大学学报（自然科学版）,2022(06):73-78
A类：
B类：
番茄晚疫病,光谱分类,高效快速,确无,识别分类,三维卷积神经网络,分类算法,算法模型,高光谱成像,光谱成像系统,可见光波段,番茄叶片,线性判别分析,LDA,数据量,径向基核函数,分类精度,平均分,Kappa,分类模型,自动检测设备,算法研究
AB值：
0.267882
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。
