基于卷积胶囊网络的百合病害识别研究

发布时间：2021-08-07 16:50

　　为了提高百合病害诊断模型的抗噪能力,以VGG-16模型为基础构建卷积胶囊网络,并分析了胶囊尺寸、路由迭代次数对训练时间及模型精度的影响。最终得到胶囊尺寸为8、路由迭代次数为3的卷积胶囊网络,该网络对百合病害诊断精度达到99.20%。使用不同等级的高斯噪声、椒盐噪声、斑点噪声、仿射变换图像对模型抗噪能力进行测试,结果表明,卷积胶囊网络明显优于VGG-16模型,更适合在实际生产环境下的百合病害诊断。 

【文章来源】：农业机械学报. 2020,51(12)北大核心EICSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于多头注意力胶囊网络的文本分类模型[J]. 贾旭东,王莉.  清华大学学报(自然科学版). 2020(05)
[2]基于GoogLeNet深度迁移学习的苹果缺陷检测方法[J]. 薛勇,王立扬,张瑜,沈群.  农业机械学报. 2020(07)
[3]基于胶囊网络的智能交通标志识别方法[J]. 陈立潮,郑佳敏,曹建芳,潘理虎,张睿.  计算机应用. 2020(04)
[4]基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别[J]. 曾伟辉,李淼,李增,熊焰.  电子学报. 2019(09)
[5]基于轻量级CNN的植物病害识别方法及移动端应用[J]. 刘洋,冯全,王书志.  农业工程学报. 2019(17)
[6]基于深度学习的农作物病虫害图像识别技术研究进展[J]. 贾少鹏,高红菊,杭潇.  农业机械学报. 2019(S1)
[7]兰州百合连作障碍效应及机制研究[J]. 黄钰芳,张恩和,张新慧,王惠珍,王琦,刘青林,石雨仟.  草业学报. 2018(02)
[8]基于改进卷积神经网络的多种植物叶片病害识别[J]. 孙俊,谭文军,毛罕平,武小红,陈勇,汪龙.  农业工程学报. 2017(19)
[9]深绿木霉T2发酵液蛋白提取物TraT2A诱导兰州百合抗灰霉病研究[J]. 韩亮,梁巧兰,周其宇.  中国农学通报. 2016(20)



本文编号：3328169