基于深度学习的农作物病害检测

2024-05-19 14:56:13

基于深度学习的农作物病害检测

1、研究思路

47 637 张图片总共 61 个分类标签．6 种模型对图像进行特征抽取．采用交叉熵和正则化项组成损失函数进行反向传播调整，对数据集进行 4 种不同情况的划分; 并且使用了**初始化和迁移训练两种训练方式，**分别对 6 种网络架构在不同学习率下进行试验比较．

进行图像的高层特征进行抽取，训练之前对数据进行增强; 训练过程采用初始化训练和迁移训练两种方式，同时调整合适的训练参数( 如训练率、衰减率、迭代次数、优化器等) ，对 6 种网络进行试验比较。

2、数据来源

文中数据来源为 AI Challenger( https: ∥challenger． ai /competition / pdr2018)

3、图像预处理

数据增强方法主要有两大类: 空间几何变换方法有翻转、裁剪、旋转、缩放和仿射变换等; 像素颜色变换方法有添加高斯噪声、高斯模糊、对比度变换、颜色扰动等．

4、特征提取

基于深度学习算法的特征抽取能够从大规模数据集中自动学习到需要的分类特征。

5、损失函数

分类问题的标签为 one-hot 编码，对于分类问题来说最常见的会使用交叉熵作为误差代价，实际上在训练的过程中为防止过拟合通常会加上正则化项。

6、实验

大数据集 ImageNet 中训练好的网络权重参数迁移到自己的网络继续进行训练。
学习率 0． 01，
学习率采用指

基于深度学习的农作物病害检测相关推荐

基于深度学习的农作物病虫害识别系统
1 简介今天向大家介绍一个帮助往届学生完成的毕业设计项目,基于深度学习的农作物病虫害识别系统. ABSTRACT 及时.准确地诊断植物病害,对于防止农业生产的损失和农产品的损失或减少具有重要作用.为 ...
基于深度学习的青菜病害区域图像语义分割与定位
基于深度学习的青菜病害区域图像语义分割与定位 1.研究思路提出了一种基于深度学习的青菜灾害区域图像语义分割的方法,通过 fine-tune FCN 以像素级精度分割出图像中作物灾害区进行识别,并借助 ...
基于迁移学习的农作物病虫害检测方法研究与应用
基于迁移学习的农作物病虫害检测方法研究与应用 1.研究思路迁移学习方式并结合深度学习提出了一种基于残差网络(ResNet 50)的 CDCNNv2 算法.通过对 10类作物 3 万多幅病虫害图像进行 ...
基于深度学习的植物虫害检测
基于深度学习的植物虫害检测植物病虫害的识别是对植物保护和利用的基础,随着计算机图像识别技术的发展,利用计算机图像处理技术获取植物病虫害信息可以大大提高植物病虫害的识别效率.选择SVM工具箱和Matl ...
智慧工地-基于深度学习yolov3的安全帽检测以及安全帽检测数据集（1）
基于深度学习yolov3的安全帽检测以及安全帽检测数据集数据集和代码下载地址:下载地址数据可视化: 根目录下运行命令: show_yolo_anno.py (注意脚本内相关参数配置 ) 模型训练 ...
【camera】自动泊车-基于深度学习的视觉车位检测项目（课程设计--训练代码、测试代码、部署demo）（2）
**基于深度学习的点定位回归和角度预测的车位检测基于深度学习的点定位回归和角度预测基于深度学习的角点检测和角度回归 ** 项目下载地址:训练代码.测试代码.部署demo 数据集百度网盘下载:数据集 ...
中科院张士峰：基于深度学习的通用物体检测算法对比探索
https://www.toutiao.com/a6674792954369933838/ 人工智能论坛如今浩如烟海,有硬货.有干货的讲座却百里挑一.由中国科学院大学主办,中国科学院大学学生会承办,读 ...
基于深度学习的磁环表面缺陷检测算法
基于深度学习的磁环表面缺陷检测算法人工智能技术与咨询来源:< 人工智能与机器人研究> ,作者罗菁等关键词: 缺陷检测:深度学习:磁环:YOLOv3: 摘要: 在磁环的生产制造过程中, ...
目标检测YOLO实战应用案例100讲-基于深度学习的显著性目标检测研究与应用（论文篇）
目录基于深度学习的显著性目标检测综述基于深度学习的显著性目标检测分类及难点分析

最新文章

热门文章