基于卷积神经网络的柑橘病害叶片分类算法

文献类型： 中文期刊

第一作者： 施宇

作者： 施宇;李敏

作者机构：

关键词： 卷积神经网络;图像分类;柑橘病害

期刊名称： 信息与电脑(理论版)

ISSN： 1003-9767

年卷期： 2022 年 03 期

页码： 47-51

摘要： 卷积神经网络在根据图像中的隐藏特征信息来学习样本数据的内在规律，在图像分类应用上有着很好的效果。因此，本文基于卷积神经网络提出了应用于柑橘植物叶片病害图像分类的算法模型。本文提出的E-Res2Net模型在柑橘植物叶片病害8分类真实图像上的识别准确率达到了86.04%，该方法的性能较优于常见的卷积神经网络模型。

分类号： TP183`TP391.41`S436.66

  • 相关文献

[1]基于机器学习和无人机图像的棉花密度识别研究. 张静,王清茹,雷亚平,王占彪,韩迎春,李小飞,邢芳芳,范正义,李亚兵,冯璐. 2021

[2]基于MS-PLNet和高光谱图像的绿豆叶斑病病级分类. 余骥远,高尚兵,李洁,陈新,李士丛,张浩淼,袁星星,唐琪. 2023

[3]25%嘧菌酯悬浮剂对柑橘病害防治试验. 李鸿筠,姚廷山,刘浩强,雷慧德,田文华,钱克明. 2006

[4]重庆地区柑橘主要病害及其防治技术要点. 杨蕾,杨海健,张云贵,周心智,洪林. 2018

[5]用于高光谱图像分类的归一化光谱指数的构建与应用(英文). 张东彦,赵晋陵,黄林生,马雯萩. 2014

[6]RADARSAT-2全极化SAR数据地表覆盖分类. 程千,王崇倡,张继超. 2015

[7]基于烟花算法降维的高光谱图像分类. 崔颖,宋国娇,陈立伟,刘述彬,王立国. 2017

[8]基于二进制编码的烟花聚类算法. 李雪源,崔颖. 2016

[9]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[10]Stacking Learning在高光谱图像分类中的应用. 徐凯,崔颖. 2018

[11]遥感图像分类中混合像元分解方法研究. 吴黎,张有智,解文欢,王鹏,刘媛媛,李栓. 2011

[12]基于深度学习分类模型的4种果树物候期识别. 钟丹,李宗南,王思,黄平,邱霞,蒋怡. 2023

[13]基于可见光谱和改进注意力的农作物病害识别. 孙文斌,王荣,高荣华,李奇峰,吴华瑞,冯璐. 2022

[14]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[15]基于深度学习的刺网与拖网作业类型识别研究. 汤先峰,张胜茂,樊伟,裴凯洋. 2020

[16]基于IRMAnet的全生育期小麦品种识别研究. 冯永强,刘成忠,韩俊英,鲁清林,刘立群,邢雪. 2024

[17]基于ASAR数据的水稻制图最佳时相参数提取. 杨沈斌,赵小艳,申双和,李秉柏,谭炳香. 2009

[18]基于帧间光流特征和改进RNN的草鱼摄食状态分类. 刘世晶,涂雪滢,钱程,周捷,陈军. 2022

[19]雷达遥感影像在水稻信息提取及估产方面的技术研究. 黄晓军,李秉柏. 2009

[20]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

作者其他论文 更多>>

微信小程序