典型文献
基于卷积神经网络的苹果树病虫害识别
文献摘要：
基于深度学习中数字图像识别的理论,课题组构建了深层卷积神经网络,并使用网络模型对苹果树叶片进行分类试验,基于深度学习MobileNet,修改输出的全连接层尺寸,搭建了MobileNet苹果树叶分类模型,实现了Alternaria_Boltch(斑点落叶病)、Brown_Spot(褐斑病)、Grey_Spot(灰斑病)、Mosaic(花叶病)、Rust(锈病)5种苹果树病害的识别.仿真结果证明:该苹果树病虫害识别方法平均准确率达到了0.99,micro-Precision、micro-Recall、micro-F1指标分别达到了0.99、0.98、0.99.
文献关键词：
卷积神经网络;苹果树病害;识别
中图分类号：
作者姓名：
李玲;李艳乐;郭海丽;苏明敏
作者机构：
衡水学院,河北 衡水 053000
文献出处：
引用格式：
[1]李玲;李艳乐;郭海丽;苏明敏-.基于卷积神经网络的苹果树病虫害识别)[J].南方农机,2022(08):16-19
A类：
树叶分类,Boltch,苹果树病害
B类：
果树病虫害,病虫害识别,数字图像识别,组构,深层卷积神经网络,果树叶片,MobileNet,全连接层,分类模型,Alternaria,斑点落叶病,Brown,Spot,褐斑病,Grey,灰斑病,Mosaic,花叶病,Rust,锈病,平均准确率,micro,Precision,Recall
AB值：
0.313343
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。
