典型文献
基于深度卷积神经网络的棉花叶片缺氮诊断
文献摘要：
为研究深度学习算法在棉花叶片缺氮水平诊断上的适用性,以智能手机作为图像采集工具,利用图像处理和深度学习技术建立基于棉花叶片图像的缺氮水平分级模型,为智能化诊断棉花叶片缺氮水平的研究提供可行方案.本研究在阴天、晴天2种环境下获取了5种氮素水平的棉花叶片图像,在此基础上选取AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、ResNet-v2以及Inception-v3等卷积网络模型进行比较研究,并提出一种基于恒等映射和深度可分离卷积改进的ResNeXt模型来提升棉花叶片缺氮水平检测的效果.结果表明,与AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、Inception-v3、ResNet-v2等模型相比,本研究提出的Improved-ResNeXt模型在对棉花叶片图像的缺氮水平分级时取得了最佳效果,该模型的识别准确率、平均精确率、Kappa系数分别达到了97％、97％、0.96.使用本研究提出的Improved-ResNeXt模型可以有效地解决棉花叶片的缺氮水平诊断问题,且对阴天、晴天2种光照条件下的棉花叶片数据有良好的适用性,同时可以为相关作物营养胁迫检测的研究提供借鉴和参考.
文献关键词：
深度卷积神经网络;含氮量;深度可分离卷积;恒等映射;图像处理
中图分类号：
作者姓名：
何相良;戴建国;侯文庆;蒋楠;左昌鑫
作者机构：
石河子大学信息科学与技术学院,新疆石河子832000;兵团空间信息工程技术研究中心,新疆石河子832000
文献出处：
引用格式：
[1]何相良;戴建国;侯文庆;蒋楠;左昌鑫-.基于深度卷积神经网络的棉花叶片缺氮诊断)[J].江苏农业科学,2022(22):180-191
A类：
B类：
深度卷积神经网络,棉花,花叶,缺氮,研究深度,深度学习算法,氮水平,智能手机,图像采集,深度学习技术,水平分级,分级模型,可行方案,阴天,晴天,氮素水平,上选,AlexNet,VGGNet,GoogLeNet,MobileNet,ResNeXt,ResNet,v2,Inception,v3,卷积网络,恒等映射,深度可分离卷积,水平检测,Improved,最佳效果,识别准确率,精确率,Kappa,诊断问题,光照条件,叶片数,作物营养,营养胁迫,含氮量
AB值：
0.331032
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。
