玉米叶片病害分类的深度转移模型(改进AlexNet)
目前,深度学习在图像分析和目标分类中发挥着重要作用。玉米病害导致产量下降,进而成为全球农业经济损失的突出因素。此前,研究人员已经使用手工制作的特征对玉米植株的叶片疾病进行图像分类和检测。如今,深度学习的发展使得研究人员能够极大地提高目标识别和分类的准确性。因此,本文探索了快速、准确地检测玉米叶片病害的AlexNet模型。为了验证结果,我们使用了PlantVillage数据集。该数据集包含两类玉米病害,即基于叶斑的病害(灰斑病和灰斑病)和基于普通锈病的病害。前者包含1363张图片,后者包含929张图片。CNN最大的优点之一是通过直接处理原始图像来自动提取特征。通过使用25、50、75和100等各种迭代,我们的模型获得了99.16%的精度。未来,这项工作可以作为一种实用工具,帮助农民检测上述疾病,保护玉米作物。
1 Introduction
玉米是最通用的新兴农产品之一,在各种农业气候条件下具有更广泛的适应性。它是仅次于小麦和水稻的第三大农产品。玉米是第二受欢迎的谷物作物,因此被正确地称为“谷物女王”。它含有79.95%的淀粉、10.11%的蛋白质和4.19%的脂肪,能量密度为3365千卡/千克。在哈里夫季节,玉米主要种植在旱地。玉米的颜色介于黄色、柠檬黄色和藤黄之间。玉米的独特之处在于其内部的多样性。印度主要种植谷物玉米、甜玉米、幼玉米和爆米花等不同的玉米,如图1所示(a)谷物玉米(b)甜玉米(c)幼玉米和(d)爆米花。玉米通常在水中煮沸、油炸或烧焦后食用。
玉米作物受到许多疾病和以作物为食的昆虫的攻击。玉米叶部病害主要导致玉米减产和农民经济损失。人工智能是在分层结构中定义机器学习和深度学习的一个主要领域。重要的应用[2,9,29]和解决方案增加了当前人工智能技术的需求。人工智能技术
玉米叶片病害分类的深度转移模型(改进AlexNet)相关推荐
- Xception迁移学习:玉米叶片病害识别分类
Xception迁移学习:玉米叶片病害识别分类 数据集:来自网上公开的PlantVillage数据集中的玉米叶片部分. 运行环境:Tensorflow深度学习开源框架,选用Python 3.6.12作 ...
- UDSMProt:蛋白质分类通用深度序列模型
今天给大家介绍由德国弗劳恩霍夫·海因里希·赫兹研究所的研究人员发表在Bioinformatics上的一篇文章.该文章针对大多数蛋白质分类的最先进方法都是为单个分类任务量身定制,并且依赖手工制作特征的问 ...
- 玉米叶片病害识别与分类的优化密集卷积神经网络模型
An optimized dense convolutional neural network model for disease recognition and classification in ...
- 基于LSTM搭建文本情感分类的深度学习模型:准确率95%
向AI转型的程序员都关注了这个号
- 用于阿尔茨海默症分期早期检测的多模态深度学习模型
目前大多数阿尔茨海默症(AD)和轻度认知障碍(MCI)研究使用单一数据模式来预测,例如AD的分期.多种数据模式的融合可以提供AD分期分析的整体视图.因此,我们使用深度学习对成像(磁共振成像(MRI)) ...
- 基于深度学习的农作物叶片病害检测系统(UI界面+YOLOv5+训练数据集)
摘要:农作物叶片病害检测系统用于智能检测常见农作物叶片病害情况,自动化标注.记录和保存病害位置和类型,辅助作物病害防治以增加产值.本文详细介绍基于YOLOv5深度学习模型的农作物叶片病害检测系统,在介 ...
- [病虫害识别|博士论文]面向农作物叶片病害鲁棒性识别的深度卷积神经网络研究
文章目录 创新点: 文章中的方法 国内外现状 手工设计特征 基于深度特征学习的农作物病害识别研究 基于高阶残差的卷积神经网络的农作物病害识别 结构图: 对比方法 基于高阶残差和参数共享反馈的卷积神经网 ...
- 基于DeepLabV3+与U-Net融合的黄瓜叶片病害严重程度分类方法
1.研究内容 基于深度学习的简单环境下蔬菜病害识别与分割研究取得了一定的成功.然而,在复杂的环境中,图像背景中往往包含与叶片和病斑表示相似的元素,使得识别模型难以分割叶片和病斑.因此,分割精度明显降低 ...
- 基于预训练深度学习算法的番茄作物病害分类
1.期刊信息 2.研究内容 从PlantVillage数据集获得的番茄叶图像(6种疾病和一个健康类别)作为输入提供给两个基于深度学习的架构,即AlexNet和VGG16 net.分析了图像数量和超参数 ...
最新文章
- python发挥_充分发挥 Python 的威力:用最简单的方法打造互联互通的智能产品
- [TJOI2018]xor BZOJ5338 可持久trie
- 地址栏射击游戏!对,你没看错,就是在地址栏上玩的游戏,有图有真相!
- 200528更新arduino开发ESP8266配置方法,入门必看,esp8266开发板库离线安装包package2.7.1...
- jenkins+gitlab构建自动化集成
- ps cs3中显示任何像素不大于50%选择。选区边将不可见是什么意思
- Enze Second day
- linux 帮助文档管理,Linux系统帮助文件使用——man命令
- math.atan_JavaScript中带有示例的Math.atan()方法
- noip复赛批量移动文件夹下的文件
- How to show only next line after the matched one?
- mysql 异步同步_MySQL主从复制异步半同步实例
- bubblesort java,算法bubbleSort()
- 模型计算机微指令总表,基于微程序控制器的模型计算机设计
- Java基础:第5-6章(重点)
- 前端请求路径为何不能写成http://localhost:8080/**/** ?
- 有趣的Javascript:只需一个JS让万恶的IE5、IE6、IE7、IE8全都支持H5原生Canvas绘图(有演示demo)
- UOJ 30 【CF Round #278】Tourists
- JS HTML5仿微信朋友圈特效
- 关于在VMware上安装Android x86及FTP详细使用