基于CNN的农作物病虫害图像识别模型

发布时间：2021-10-20 12:17

　　中国是传统的农业大国,农业不仅是国民经济建设与发展的基础,也是社会正常稳定有序运行的保障.然而每年由于农作物病虫害造成的损失巨大,且传统的农作物病虫害识别方法效果并不理想.同时近年深度学习飞速发展,在图像分类与识别的方面取得了巨大进展.因此本文通过基于深度学习的方法构建农作物病虫害图像识别模型,并针对样本不平衡问题改进卷积网络损失函数.实验证明该模型可以对农作物病虫害进行有效识别并且对损失函数进行优化后模型的准确率也进一步得到了提升. 

【文章来源】：计算机系统应用. 2020,29(06)

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于卷积神经网络的葡萄叶片病害检测方法[J]. 刘阗宇,冯全,杨森.  东北农业大学学报. 2018(03)
[2]贝叶斯方法在玉米叶部病害图像识别中的应用[J]. 赵玉霞,王克如,白中英,李少昆,谢瑞芝,高世菊.  计算机工程与应用. 2007(05)
[3]缺素叶片彩色图像颜色特征提取的研究[J]. 徐贵力,毛罕平,李萍萍.  农业工程学报. 2002(04)

硕士论文
[1]基于卷积神经网络的烟草病害自动识别研究[D]. 李敬.山东农业大学 2016
[2]基于图像处理的茄子叶部病害识别方法研究[D]. 田凯.华南农业大学 2016



本文编号：3446892