首页|基于BP神经网络和HOG特征的茶小绿叶蝉识别

基于BP神经网络和HOG特征的茶小绿叶蝉识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为解决茶小绿叶蝉在复杂环境中快速识别的问题,提出了一种基于BP神经网络和HOG特征提取算法的茶叶病虫害识别方法.首先对采集的茶叶病虫害图片进行数据增强,用来扩充样本数量,并将样本尺寸大小统一到 256×256,以方便网络模型训练.然后使用HOG算法提取图片的局部边缘特征,以减少光照变化造成的影响和降低噪声.最后将提取的特征数据输入到BP神经网络进行训练,并使用随机梯度下降法(SGD)减少模型训练的时间.实验结果表明,基于BP和HOG的茶小绿叶蝉识别方法,准确率为0.94,所提出的模型具有较高的识别能力和鲁棒性,可以为茶叶病虫害智能诊断提供参考.

吴鹏

展开 >

信阳农林学院信息工程学院 河南信阳 464000

病虫害识别 BP神经网络 HOG 随机梯度下降 数据增强

信阳农林学院青年教师科研基金资助项目

QN2021058

2024

10.3969/j.issn.1672-9528.2024.01.024

信息技术与信息化
山东电子学会

信息技术与信息化

影响因子：0.29
ISSN：1672-9528
年,卷(期)：2024.(1)
  • 11