文献类型： 中文期刊

作者： 旦真旺姆 ¹ ; 全淼儿 ¹ ; 钱婷婷 ² ; 石称华 ³ ; 刘哲辉 ³ ; 常丽英 ¹ ;

作者机构： 1.上海交通大学农业与生物学院

2.上海市农业科学院

3.上海劲牛信息技术有限公司

关键词： 黄瓜白粉病;卷积神经网络;模型;深度学习;智能识别算法

期刊名称： 上海农业学报

ISSN： 1000-3924

年卷期： 2023 年 39 卷 002 期

页码： 127-132

收录情况： 北大核心 ; CSCD

摘要： 采用AlexNet、VGG16、GoogLeNet和ResNet50 等4 种CNN模型对黄瓜 4 个病害级别的白粉病叶片图像进行反复迭代训练,探究迭代次数、BATCH_SIZE参数对4 种模型识别分类效果的影响,分析不同CNN模型的性能,以选择出应用于黄瓜白粉病识别的最优模型.结果表明:从训练集损失函数的损失率、识别准确率及训练时间综合考量,在当前试验样本条件下,迭代次数为 40 次,BATCH_SIZE值等于 90 时,ResNet50 模型结果最优,其训练用时为24 min,模型识别准确率为 91.30%,对黄瓜白粉病不同病害级别智能识别具有较好的分类性能.