基于卷积循环神经网络的桃树叶部病害图像识别

发布时间：2024-05-27 05:59

　　桃树炭疽病和褐斑病具有相似度高、症状关联度高和病斑位置不同等特点,卷积神经网络在识别过程中,卷积层和池化层分别对病害区域进行局部卷积和池化操作,未考虑各病害区域间的上下文相关信息和位置信息,降低了识别准确率。而双向长短期记忆网络由两个正向和反向的长短期记忆网络组成,且各循环单元之间具有反馈连接,能够挖掘和记忆输入序列数据中的上下文相关信息和位置信息。因此,本文提出了一种基于VGGNet-BiLSTM的桃树叶部病害图像识别算法。结果表明,本文提出的算法在测试集上识别准确率为93.73%,具有较高的识别准确率。

【文章页数】：6 页

【文章目录】：
1 数据采集与处理
    1.1 数据采集
    1.2 数据预处理
2 VGGNet-Bi LSTM网络
    2.1 卷积神经网络层
        2.1.1 批标准化
        2.1.2 激活函数
    2.2 循环神经网络层
    2.3 多层全连接层
3 实验结果及分析
    3.1 评价标准
    3.2 参数设置
    3.3 结果及分析
        3.3.1 自对比实验
        3.3.2 与其他模型对比实验
4 结论



本文编号：3982864