手机知网 App
24小时专家级知识服务
打 开
植物保护
FI-DenseNet:用于植物病害图像识别的卷积网络
针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-DenseNet,旨在对多种类的植物病害图像达到高精准的识别准确率。引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本。FI-DenseNet网络可以增强特征传递、进行深层训练或有效改善过拟合问题。采用的数据集有87867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害。对图像进行预处理、数据增强后,将DenseNet169网络、Res Net50网络和MobileNet网络作为参照实验。实验结果表明,FI-DenseNet网络的收敛速度更快且识别准确率最高,测试集识别准确率为98.97%,FI-DenseNet网络的鲁棒性和泛化能力均优于对照网络,可为植物病害智能诊断提供参考。
0 76
手机阅读本文
下载APP 手机查看本文
安徽农业大学学报
网络首发

搜 索