典型文献
基于注意力胶囊网络的作物病害识别方法
文献摘要：
因病害叶片图像的复杂多变性,较难准确分割病斑图像和提取到鲁棒的病害分类特征.现有的基于卷积神经网络(CNN)的作物病害识别方法通过扩展训练样本来增加大量不同角度、方向的训练样本,从而增强模型的鲁棒性和泛化能力,但需要较长的训练数据和较大的算力,并且对于一些少见的病斑不能准确识别,因此提出一种基于注意力胶囊网络(ACapsNet)的作物病害识别方法.ACapsNet中的注意力机制用于提高CapsNet的训练能力.ACapsNet中的胶囊由多个神经元组成,每个神经元表示图像中特定病斑的各种属性,这些属性能够表达不同类型病斑的形状、颜色、纹理、位置、大小和方向等特征,在复杂黄瓜病害叶片图像数据集上进行交叉验证试验.结果表明,ACapsNet能够有效表达不同病害叶片图像的各种特征,加快网络的训练速度,能够应用于田间复杂场景的作物病害识别系统.
文献关键词：
作物病害识别;注意力机制;胶囊网络;注意力胶囊网络
中图分类号：
作者姓名：
张会敏;谢泽奇;张善文
作者机构：
郑州西亚斯学院电子信息工程学院,河南郑州451150;信阳农林学院信息工程学院,河南信阳464006
文献出处：
引用格式：
[1]张会敏;谢泽奇;张善文-.基于注意力胶囊网络的作物病害识别方法)[J].江苏农业科学,2022(06):101-106
A类：
病斑图像,ACapsNet
B类：
注意力胶囊网络,作物病害识别,因病,多变性,取到,病害分类,分类特征,训练样本,增强模型,泛化能力,训练数据,算力,准确识别,注意力机制,元组,种属,黄瓜,图像数据集,交叉验证,验证试验,有效表达,训练速度,于田,田间,复杂场景,识别系统
AB值：
0.230535
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。
