典型文献
基于SE模块和ResNet的番茄病虫害识别方法
文献摘要：
番茄病虫害是引起番茄减产的重要因素.精确识别病虫害种类是当前国际热点问题之一,有助于及时有效采取针对性的病虫防治办法,减少和避免因番茄减产导致的经济损失.针对传统虫害识别方法存在效率和精确率低的问题,利用Kaggle网站上的Tomato数据集,构建基于压缩和激励(SE)模块的深度残差网络模型(ResNet),优化番茄病虫害识别方法.结果表明:通过Pytorch框架下的迁移学习,改进后的网络模型对番茄病虫害图像的平均识别准确率最高为97.96％;基于SE模块的ResNet网络模型有助于增强特征区分能力,增加模型的通用性和鲁棒性.研究结果对番茄病虫害的及时监测和处理、提高番茄产量具有重要意义.
文献关键词：
番茄;病虫害识别;迁移学习;压缩和激励模块;深度残差网络模型;Pytorch
中图分类号：
作者姓名：
胡文艺;王洪坤;杜育佳
作者机构：
成都理工大学计算机与网络安全学院,四川 成都 610059
文献出处：
引用格式：
[1]胡文艺;王洪坤;杜育佳-.基于SE模块和ResNet的番茄病虫害识别方法)[J].农业工程,2022(09):33-40
A类：
压缩和激励模块
B类：
SE,ResNet,病虫害识别,减产,精确识别,病虫害种类,国际热点,病虫防治,防治办法,精确率,Kaggle,站上,Tomato,深度残差网络模型,Pytorch,迁移学习,识别准确率,特征区,区分能力,通用性,番茄产量
AB值：
0.263828
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。
