典型文献
迁移学习在玉米叶片病害识别中的研究与应用
文献摘要：
使用卷积神经网络对作物病害图片进行识别分类需要较长模型训练时间,采用迁移学习的方法可有效提高识别效率.首先探究迁移学习冻结全部网络层、冻结部分网络层和不冻结网络层时的识别效果,然后使用InceptionV3模型和Xception模型分别对玉米健康叶片、尾孢叶斑病、纹枯病以及锈病进行识别与分类.试验结果表明:迁移学习不冻结网络层时分类效果最好,准确率可达97.42％;冻结部分网络层次之,InceptionV3模型在可训练参数量为70％左右时识别效果较好,准确率可达92.04％;Xception模型在可训练参数量为80％时效果最好,准确率可达94.62％;冻结全部网络层时准确率相对较低,准确率为87.10％.整体来看,Xception模型比InceptionV3模型更适用于玉米叶片病害的识别.
文献关键词：
卷积神经网络;迁移学习;玉米叶片;病害识别;图像分类;深度学习
中图分类号：
作者姓名：
董萍;卫梦华;时雷;郭伟
作者机构：
河南农业大学信息与管理科学学院,郑州市,450046
文献出处：
引用格式：
[1]董萍;卫梦华;时雷;郭伟-.迁移学习在玉米叶片病害识别中的研究与应用)[J].中国农机化学报,2022(03):146-152
A类：
玉米叶片病害
B类：
迁移学习,病害识别,作物病害,识别分类,模型训练,训练时间,冻结,网络层,分网,结网,InceptionV3,Xception,叶斑病,纹枯病,锈病,识别与分类,分类效果,参数量,图像分类
AB值：
0.255681
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。
