典型文献
基于EfficientNetV2和迁移学习的葡萄病害识别研究
文献摘要：
针对当前基于深度学习的葡萄叶片病害识别模型网络参数过多、精确度低、推理时间较长和移动端模型部署困难等问题,探索一种新的病害识别方法.选取轻量卷积神经网络模型EfficientNetV2并结合迁移学习方法对葡萄叶片病害进行识别,采用迁移学习中特征提取、全部权重迁移、微调与全新训练4种方式进行训练后获得4种模型.通过多组对比试验,结果显示使用学习率为0.01的全部权重参数进行迁移学习训练出的模型精度最高,训练时间最短,模型体积较小.在数据集上平均测试识别准确率达到99.76％,且重用训练后的模型平均单张病害识别耗时仅为0.2s,能够有效提高葡萄叶片病害识别的精度与效率,为移动端部署葡萄叶片病害识别模型提供参考.
文献关键词：
EfficientNetV2网络;迁移学习;葡萄叶片;病害识别
中图分类号：
作者姓名：
滕明洪;谭立新
作者机构：
湖南农业大学信息与智能科学技术学院,湖南长沙 410125;湖南信息职业技术学院电子工程学院,湖南长沙 410200
文献出处：
引用格式：
[1]滕明洪;谭立新-.基于EfficientNetV2和迁移学习的葡萄病害识别研究)[J].软件,2022(11):43-49
A类：
B类：
EfficientNetV2,葡萄病害,病害识别,葡萄叶片病害,识别模型,网络参数,推理时间,移动端,模型部署,轻量卷积神经网络,卷积神经网络模型,迁移学习方法,重迁,微调,新训,用学,学习率,学习训练,练出,模型精度,训练时间,时间最短,识别准确率,重用,模型平均,单张,2s,精度与效率,端部
AB值：
0.309664
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。
