典型文献
基于轻量化网络MobileNetV2的玉米病害识别研究
文献摘要：
针对传统玉米病害的识别方法过于依赖个人经验、出错概率高的问题,结合深度学习与计算机视觉技术,提出一种基于迁移学习和MobileNetV2模型的识别方法,能够较准确地识别常见的三类玉米病害:灰斑病、锈病、大斑病.与经典CNN网络模型LeNet对比后,发现该方法具有计算量少、准确率高的特点,适用于移动设备.该方法在Kaggle数据集上的平均识别率达到96.94％,模型大小只有8.95MB.
文献关键词：
玉米;病害识别;轻量化卷积神经网络;深度学习
中图分类号：
作者姓名：
叶名炀;张杰强
作者机构：
华南农业大学电子工程学院(人工智能学院),广州 510642
文献出处：
引用格式：
[1]叶名炀;张杰强-.基于轻量化网络MobileNetV2的玉米病害识别研究)[J].现代计算机,2022(11):46-50
A类：
95MB
B类：
轻量化网络,MobileNetV2,玉米病害,病害识别,个人经验,出错,计算机视觉技术,迁移学习,灰斑病,锈病,大斑病,LeNet,计算量,移动设备,Kaggle,识别率,轻量化卷积神经网络
AB值：
0.377245
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。
