一种基于深度学习的玉米病害识别方法 |
| |
引用本文: | 郑铖,董伟,高海涛.一种基于深度学习的玉米病害识别方法[J].安徽科技学院学报,2023(2):87-94. |
| |
作者姓名: | 郑铖 董伟 高海涛 |
| |
作者单位: | 1. 安徽科技学院电气与电子工程学院;2. 安徽省农业科学院 |
| |
基金项目: | 安徽省自然科学基金面上项目(1808085MF183);;安徽省高校自然科学研究重点项目(KJ2020A0076);;安徽省质量工程项目(2021jyxm0313); |
| |
摘 要: | 目的:针对现有玉米病害种类繁多、识别方法耗时耗力等问题,对传统卷积神经网络结构进行改进和优化,提出Corn_Modle新型玉米病害自主识别模型。方法:构建含有6种玉米病害种类的数据集,并对其进行数据增强和预处理;将新建模型在训练集上进行训练,利用测试集对其进行试验验证。结果:Corn_Modle模型的准确率为96.85%,参与对比的AlexNet、LeNet-5、ResNet50、MobileNet等4种经典模型的准确率分别为93.98%、77.06%、63.44%和87.25%,在准确率、精准度、召回率等评价指标上优于对比模型。结论:新构建的Corn_Modle模型在准确率、鲁棒性和稳定性方面比传统的经典模型表现更好,可为玉米等农作物病害识别技术的发展提供参考。
|
关 键 词: | 玉米病害 卷积神经网络 病害识别 识别精度 |
|
|