典型文献
基于三维重建的多角度葡萄叶病害识别方法研究
文献摘要：
为了解决葡萄在生长过程中因病害侵袭导致品质和产量下降的问题,提出了基于三维重建的多角度图像识别模型.该模型通过三维建模技术对数据进行增强,并扩充数据集用于特征辅助训练,最后与卷积神经网络相结合实现对葡萄叶片病害的识别.在测试集上,训练的3D-MobileNet、3D-Darknet53、3D-resnet34和3D-Resnet101模型相比原模型对葡萄叶片病害识别的准确率分别提高了 7.2％、9.6％、10.2％、19.1％.结果表明,提出的基于三维的多角度葡萄叶片病害识别方法能够有效识别葡萄叶病害,为实现葡萄病害的自动识别提供参考.
文献关键词：
三维重建;特征辅助训练;病害识别;卷积神经网络;识别准确率
中图分类号：
作者姓名：
方逵;李成;何潇;陈益能
作者机构：
湖南农业大学信息与智能科学技术学院,长沙410128
文献出处：
引用格式：
[1]方逵;李成;何潇;陈益能-.基于三维重建的多角度葡萄叶病害识别方法研究)[J].中国农业科技导报,2022(07):86-96
A类：
特征辅助训练,resnet34
B类：
三维重建,病害识别,生长过程,因病,多角度图像,图像识别,识别模型,三维建模技术,充数,葡萄叶片病害,测试集,MobileNet,Darknet53,Resnet101,葡萄病害,自动识别,识别准确率
AB值：
0.225496
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。
