基于深度卷积神经网络的农作物病害识别

2024-06-08 12:42:01

基于深度卷积神经网络的农作物病害识别

1、研究思路

运用深度学习的方法，基于ＲesNet-50以及 InceptionV3、MobileNet等神经网络，并在这些基础结构上改进部分模型。该研
究主要从两个方面对卷积神经网络进行优化，一个是模型结构，另一个是训练标签优化。模型训练基于迁移学习( Transfer Learning) 的思想，在训练过程中，不断调整模型的超参数，并使用优化算法最终完
成作物病害识别并比较每种算法的性能。

2、数据预处理

获得批量数据之后，然后对这个批量数据进行增强，如: 图片随机水平翻转、图片随机垂直翻转、以图像中心为旋转中心按( － 30° ～ + 30°) 旋转图像等。同时并对图片进行尺寸大小的调整，并将图片ＲGB 三通道归一化到［－ 1，+ 1］。图像归一化能够使所有图像的分布相似，能够使得训练的时候更容易收敛，加快收敛速度，减少模型训练时间。

3、迁移学习

模型训练的初始参数为神经网络结构在 ImageNet( 数据集)上预先训练好的参数，并将模型最后的输出神经元改为农作物病害种类数 59 个。运用预先训练好的参数能够提高模型训练的性能。

4、二元交叉熵损失函数

对于图像分类问题，一般都采用交叉熵作为损失函数，而在实际的训练过程当中，通常为了防止过拟合的发生会采用 L2 正则化。

5、优化算法

本文中梯度优化算法采用 Adam ( Adaotive Moment E

基于深度卷积神经网络的农作物病害识别相关推荐

基于深度卷积神经网络的玉米病害识别
基于深度卷积神经网络的玉米病害识别 1.研究思路算法模型是先将图像预处理,应用Tripletloss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通Softmax对图像 ...
论文翻译：基于深度卷积神经网络的肉鸡粪便识别与分类
Recognition and Classification of Broiler Droppings Based on Deep Convolutional Neural Network 基于深度卷 ...
基于深度卷积神经网络的大豆叶斑病识别
Abstract 摘要:本文设计了一种基于LeNet的深度卷积神经网络,利用大豆叶斑病斑影响区域进行病害识别和分类.采用无监督模糊聚类算法从叶片图像中分割出病害斑的影响区域.所提出的深度卷积神经网络模 ...
基于深度卷积神经网络的玉米病害实时识别检测系统
Deep Convolutional Neural Network based Detection System for Real-time Corn Plant Disease Recognitio ...
基于卷积神经网络的小麦病害识别方法
基于卷积神经网络的小麦病害识别方法 1.研究思路首先以小麦病害图片资料为基础,利用中值滤波法.直方图阈值法等对图像进行去背景.去噪.病斑分割等预处理形成样本库,然后利用卷积神经网络构建一个具有五层结 ...
基于深度卷积神经网络进行人脸识别的原理是什么？
原文:https://www.zhihu.com/question/60759296 基于深度卷积神经网络进行人脸识别的原理是什么? 这里的人脸识别包括但不限于:人脸检测,人脸对齐,身份验证识别,和表 ...
基于深度卷积神经网络的目标检测研究综述
基于深度卷积神经网络的目标检测研究综述人工智能技术与咨询来自<光学精密工程> ,作者范丽丽等摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究.目标检 ...
基于一维卷积神经网络的滚动轴承故障识别
基于一维卷积神经网络的滚动轴承故障识别文章目录基于一维卷积神经网络的滚动轴承故障识别一.数据预处理二.模型构建三.模型训练四.模型测试总结一.数据预处理采用美国凯斯西储大学(CWRU ...
基于深度卷积神经网络的ImageNet分类
基于深度卷积神经网络的ImageNet分类文章目录摘要一.介绍二.数据集三.结构 ReLU非线性局部反应归一化重叠集合整体架构数据扩张总结摘要我们训练了一个大型的深度卷积神经网 ...

最新文章

热门文章