基于深度学习的香蕉病害远程诊断系统

发布时间：2023-04-19 03:02

　　【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5 944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。【结果】通过对比不同迭代次数及不同优化器,最终采用了MomentumOptimizer迭代10 000次的模型,平均测试精度达到了98%。设计的APP能够就地获取香蕉图像,并通过网络与集成了诊断模型的远程服务器通信,实时获取诊断结果。【结论】该病害诊断模型识别主要病害的精度高,在线诊断系统简单易操作,可快速有效地在线诊断香蕉常见病害,具有良好的应用前景。

【文章页数】：8 页

【文章目录】：
1 香蕉病害诊断系统和模型训练
    1.1 系统总览
    1.2 数据集获取
    1.3 数据增强
    1.4 模型训练
2 结果与分析
3 香蕉病害诊断系统的开发
4 结论



本文编号：3793584