在复杂背景下应用迁移学习技术优化木薯叶疾病识别与分析的研究

扫码查看

原文链接

万方数据
维普

中文摘要：木薯叶病对木薯作物的生产和质量有重大影响,但传统的深度学习模型难以应对有限的木薯叶病样本.为了解决这一挑战,本文介绍了一种使用迁移学习的方法,该方法使用大型数据集来改进预训练模型,并将其知识转移到木薯叶病小样本的特定特征上.该方法适用于木薯叶病的分类和鉴定.实验数据表明,运用迁移学习技术不仅显著提升了模型的训练效率,而且有效克服了小样本量的限制,从而验证了迁移学习在提高模型性能和泛化能力方面的显著作用.

作者：

李振冲、周波、张绿云、施龙江、尹世海

展开 >

作者单位：

广西蚕桑生态学与智能化技术应用重点实验室、河池学院大数据与计算机学院,广西河池 546300

广西现代蚕桑丝绸协同创新中心、河池学院大数据与计算机学院,广西河池 546300

关键词：

木薯叶疾病深度学习迁移学习特征提取图像分类

基金：

广西现代蚕桑丝绸协同创新中心基金大学生创新创业训练计划项目国家级大创项目

项目编号：

2023GXCSSC02202210605020

出版年：

2024

黑龙江粮食

黑龙江省粮食科学研究所

黑龙江粮食

影响因子：0.071

ISSN：1671-6019

年,卷(期)：2024.(6)