典型文献
基于DTS-ResNet的苹果叶片病害识别方法
文献摘要：
针对苹果叶片病害识别中传统卷积神经网络识别精度较低、收敛速度较慢等问题,提出了一种基于DTS-ResNet(ResNet based on dual transfer learning and squeeze-and-excitation block)的苹果叶片病害识别方法.该方法以 ResNet 为基础模型,将注意力机制与残差模块相结合作为骨干网络以强化网络对重要特征信息的提取能力、提高识别准确率,并采用双迁移学习的训练方式加快模型的收敛速度.实验结果表明,所提出的方法的识别准确率达到98.73％,能够较好地识别苹果叶片病害.相较于一些传统的卷积神经网络,该模型收敛速度更快,拟合效果更好,且具有更高的识别精度.
文献关键词：
卷积神经网络;苹果叶片病害;双迁移学习;注意力机制
中图分类号：
作者姓名：
潘仁勇;张欣;陈孝玉龙;林建吾;蔡季桐;陈洋
作者机构：
贵州大学大数据与信息工程学院 贵阳550025;贵州大学烟草学院 贵阳550025
文献出处：
引用格式：
[1]潘仁勇;张欣;陈孝玉龙;林建吾;蔡季桐;陈洋-.基于DTS-ResNet的苹果叶片病害识别方法)[J].国外电子测量技术,2022(09):142-148
A类：
双迁移学习
B类：
DTS,ResNet,苹果叶片病害,病害识别,识别精度,收敛速度,较慢,dual,transfer,learning,squeeze,excitation,block,基础模型,注意力机制,残差模块,骨干网络,特征信息,识别准确率,训练方式,拟合效果
AB值：
0.208862
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。
