典型文献
基于卷积神经网络和迁移学习的瓯柑病虫害识别研究
文献摘要：
传统的瓯柑病虫害检测方式主要依靠人工肉眼查看,效率较低,而且需要检测人员具备丰富的专业知识.针对这些问题,文章提出了基于卷积神经网络和迁移学习的瓯柑病虫害识别方法.首先选取Xception、InceptionResNetV2、MobileNetV2、DenseNet121四种深度卷积模型,然后采用迁移学习策略,将各个模型在PlantVillage数据上训练得到预训练模型,迁移到瓯柑病虫害识别模型中,并对比各个模型的识别性能.结果表明:(1)迁移学习能够大大提高模型的泛化能力,经过迁移学习后,4种模型在瓯柑病虫害训练集和验证集上的准确率均达到了 85％以上,其中Xception迁移模型表现最好,准确率在训练集和验证集上分别为99.3％,97.1％;(2)在测试集上,Xception迁移模型的整体性能优于其他3种迁移模型,总体测试准确率达到了 97.38％,精确率、召回率和F1 Score也均达到了 97％以上.综上所述,Xception迁移模型识别精确率高,实用性强,可为今后瓯柑病虫害防控提供参考.
文献关键词：
瓯柑病虫害;卷积神经网络;迁移学习;PlantVillage;Xception迁移模型
中图分类号：
作者姓名：
刘玉耀;彭琼尹
作者机构：
浙江东方职业技术学院 浙江温州325000
文献出处：
引用格式：
[1]刘玉耀;彭琼尹-.基于卷积神经网络和迁移学习的瓯柑病虫害识别研究)[J].热带农业科学,2022(09):64-70
A类：
瓯柑病虫害
B类：
病虫害识别,病虫害检测,检测方式,肉眼,查看,检测人员,Xception,InceptionResNetV2,MobileNetV2,DenseNet121,深度卷积,迁移学习策略,PlantVillage,练得,预训练模型,识别模型,识别性,泛化能力,训练集,验证集,迁移模型,测试集,整体性能,体测,精确率,召回率,Score,综上所述,模型识别,病虫害防控
AB值：
0.237125
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。
