基于深度可分离卷积的苹果叶病理识别

发布时间：2021-08-08 20:52

　　本文以斑点落叶病等5种苹果叶病害为研究对象,设计了一种基于深度可分离卷积的苹果叶病理识别方法.该方法采用概率数据增强对原始数据集进行扩增,使用迁移学习探索了深度可分离卷积神经网络在农作物病理识别中的应用:设计了一种适用于受限设备的深度学习模型以实现对苹果叶病害的识别分类,并将该模型进行压缩和转换,移植到某嵌入式系统上进行了验证.实验结果表明该方法在受限设备上的识别率最高仍可达85.96%,具有较好的识别效果. 

【文章来源】：计算机系统应用. 2020,29(11)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于迁移学习的卷积神经网络玉米病害图像识别[J]. 许景辉,邵明烨,王一琛,韩文霆.  农业机械学报. 2020(02)
[2]基于改进深度卷积神经网络的苹果病害识别[J]. 张善文,张晴晴,李萍.  林业工程学报. 2019(04)
[3]一种基于模糊C均值聚类的多阈值苹果病害图像分割方法[J]. 贾庆节,齐国红,忽晓伟.  智能计算机与应用. 2019(02)
[4]“3S”技术在精准林业中的应用[J]. 车腾腾,冯益明,吴春争.  绿色科技. 2010(10)

硕士论文
[1]基于迁移学习的苹果叶面病害Android检测系统研究[D]. 周敏敏.西北农林科技大学 2019



本文编号：3330661