首页|基于改进空间残差收缩网络模型的农作物病虫害识别

基于改进空间残差收缩网络模型的农作物病虫害识别

扫码查看
原文链接
  • 万方数据
  • 维普
为了提高农作物病虫害识别的精度,本文将3D-CNN和2D-CNN与空间残差网络相结合,软阈值化作为非线性层嵌入空间残差网络以消除病虫害图像不重要的图像特征,提出一种基于空间残差收缩网络的农作物病虫害识别模型.与3D-CNN和ResNet相比,基于空间残差收缩网络的农作物病虫害识别模型具有更高的精度和鲁棒性,总体分类精度为99.41％,增强了图像特征与病虫害类别的关系,可以识别多种农作物病虫害图像.
The Recognition for Crop Pests and Diseases Based on the Improved Residual Shrinkage Network

刘晓锋、高丽梅

展开 >

天津职业技术师范大学汽车与交通学院,天津300222

天津市交通科学研究院,天津300074

空间残差收缩网络 农作物病虫害 图像识别

2022

10.3969/j.issn.1000-2324.2022.02.012

山东农业大学学报(自然科学版)
山东农业大学

山东农业大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.565
ISSN：1000-2324
年,卷(期)：2022.53(2)
  • 6
  • 10