本文以斑點落葉病等5種蘋果葉病害為研究對象,設(shè)計了一種基于深度可分離卷積的蘋果葉病理識別方法.該方法采用概率數(shù)據(jù)增強對原始數(shù)據(jù)集進(jìn)行擴增,使用遷移學(xué)習(xí)探索了深度可分離卷積神經(jīng)網(wǎng)絡(luò)在農(nóng)作物病理識別中的應(yīng)用:設(shè)計了一種適用于受限設(shè)備的深度學(xué)習(xí)模型以實現(xiàn)對蘋果葉病害的識別分類,并將該模型進(jìn)行壓縮和轉(zhuǎn)換,移植到某嵌入式系統(tǒng)上進(jìn)行了驗證.實驗結(jié)果表明該方法在受限設(shè)備上的識別率最高仍可達(dá)85.96%,具有較好的識別效果. 

【文章來源】：計算機系統(tǒng)應(yīng)用. 2020,29(11)

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)玉米病害圖像識別[J]. 許景輝,邵明燁,王一琛,韓文霆.  農(nóng)業(yè)機械學(xué)報. 2020(02)
[2]基于改進(jìn)深度卷積神經(jīng)網(wǎng)絡(luò)的蘋果病害識別[J]. 張善文,張晴晴,李萍.  林業(yè)工程學(xué)報. 2019(04)
[3]一種基于模糊C均值聚類的多閾值蘋果病害圖像分割方法[J]. 賈慶節(jié),齊國紅,忽曉偉.  智能計算機與應(yīng)用. 2019(02)
[4]“3S”技術(shù)在精準(zhǔn)林業(yè)中的應(yīng)用[J]. 車騰騰,馮益明,吳春爭.  綠色科技. 2010(10)

碩士論文
[1]基于遷移學(xué)習(xí)的蘋果葉面病害Android檢測系統(tǒng)研究[D]. 周敏敏.西北農(nóng)林科技大學(xué) 2019



本文編號：3330661