典型文献
基于轻量化VGG的植物病虫害识别
文献摘要：
深度神经网络模型被广泛应用在植物病虫害识别任务中,并取得巨大成功.同时,这些网络的计算复杂度和参数量也在不断增加,这将对神经网络的部署提出重大挑战,尤其是在硬件资源有限的设备或实时应用上.针对该问题,提出一种轻量化的病虫害识别模型,结合Ghost模块对VGG16进行改进,同时减少模型卷积层的卷积核个数,并引入Ranger优化器.试验结果表明,该模型在PlantVillage数据集上准确率为99.37％,FLOPs为88.45 M,比VGG16下降71.86％,有较快的收敛速度,在复杂环境下,模型的准确率为92.40％,识别时间为VGG16的50％.
文献关键词：
轻量化;病虫害识别;Ghost模块;VGG网络;Ranger优化器
中图分类号：
作者姓名：
王江晴;冀星;莫海芳;帖军;刘畅
作者机构：
中南民族大学计算机科学学院,武汉市,430074;湖北省制造企业智能管理工程技术研究中心,武汉市,430074
文献出处：
引用格式：
[1]王江晴;冀星;莫海芳;帖军;刘畅-.基于轻量化VGG的植物病虫害识别)[J].中国农机化学报,2022(04):25-31
A类：
B类：
植物病虫害,病虫害识别,深度神经网络模型,巨大成功,计算复杂度,参数量,硬件资源,识别模型,Ghost,VGG16,卷积层,卷积核,Ranger,优化器,PlantVillage,FLOPs,收敛速度,复杂环境
AB值：
0.302737
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。
