基于轻量化网络MobileNetV2的玉米病害识别研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对传统玉米病害的识别方法过于依赖个人经验、出错概率高的问题,结合深度学习与计算机视觉技术,提出一种基于迁移学习和MobileNetV2模型的识别方法,能够较准确地识别常见的三类玉米病害:灰斑病、锈病、大斑病.与经典CNN网络模型LeNet对比后,发现该方法具有计算量少、准确率高的特点,适用于移动设备.该方法在Kaggle数据集上的平均识别率达到96.94％,模型大小只有8.95MB.

外文标题：Research on Corn Disease Recognition Based on MobileNetV2

作者：

叶名炀、张杰强

展开 >

作者单位：

华南农业大学电子工程学院(人工智能学院),广州 510642

关键词：

玉米病害识别轻量化卷积神经网络深度学习

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.11.008