基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：番茄叶发生较为普遍,现有的检测手段存在检测效率和准确性不高的问题.因此,利用深度学习技术对番茄叶进行诊断意义重大.近年来,以卷积神经网络(CNN)为代表的作物病害诊断方法凭借较强的特征抽取能力,已成为作物病害诊断的一种重要手段.为了解决传统卷积神经网络模型规模大、训练时间长的问题,拟基于MobileNetV3网络模型,通过模型压缩、模型结构和损耗函数的改进,以及训练参数的优化,实现基于MobileNetV3的网络模型.试验证明,在测试用例上,提出的方法能有效地提高识别率,减少运算量.同时,该方法能够提高系统的识别率.

作者：

姜柘宇

展开 >

作者单位：

中国石油大学(华东),山东青岛 266580

关键词：

番茄叶片病害识别卷积神经网络迁移学习 MobileNetV3

出版年：

2024

农业灾害研究

影响因子：0.451

ISSN：1004-7395

年,卷(期)：2024.14(7)