首页|基于迁移学习的多模型水稻病害识别方法研究

基于迁移学习的多模型水稻病害识别方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害.使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型.试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97％,尤其是Xception模型不仅可以达到98.50％的最高识别准确率而且是最稳定的.该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性.
Multi-model Rice Disease Recognition Based on Transfer Learning

王忠培、张萌、董伟、朱静波、孔娟娟、钱蓉

展开 >

安徽省农业科学院农业经济与信息研究所,安徽合肥230031

水稻病害 迁移学习 深度学习 智能识别

安徽省农业科学院农业大数据研究与应用团队项目

2021YL051

2021

10.3969/j.issn.0517-6611.2021.20.062

安徽农业科学
安徽省农业科学院

安徽农业科学

影响因子：0.413
ISSN：0517-6611
年,卷(期)：2021.49(20)
  • 9
  • 4