期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度迁移学习的苹果叶病识别方法研究
被引量：
1
1
作者
吴蔚
《智慧农业导刊》
2021年第9期14-17,共4页
苹果叶部病虫害是影响苹果产量增长的重要因素之一,准确地识别叶病种类以进行及时防治对于苹果增量增产具有重要的意义。本研究提出一种基于深度迁移学习的苹果叶病种类识别方法,提高了模型的泛化性和识别准确率。同时针对数据分布不均...
苹果叶部病虫害是影响苹果产量增长的重要因素之一,准确地识别叶病种类以进行及时防治对于苹果增量增产具有重要的意义。本研究提出一种基于深度迁移学习的苹果叶病种类识别方法,提高了模型的泛化性和识别准确率。同时针对数据分布不均衡的问题,改进损失函数,使得模型获得了更高的识别效果。实验结果表明本研究算法进行叶病识别准确率可以达到93.5%以上,验证了本研究算法的有效性,对于苹果叶部病虫害的识别及防治提供了新思路。
展开更多
关键词
卷积神经网络
深度学习
迁移学习
苹果叶病识别
在线阅读
下载PDF
职称材料
基于图像识别的苹果叶片病害识别模型对比研究
被引量：
3
2
作者
郝菁
贾宗维
《中国农学通报》
2022年第12期153-158,共6页
为实现苹果叶片病害图像自动识别,展开苹果叶片病害识别模型研究。通过整理网络开源植物病害数据,获取苹果赤霉病、苹果雪松锈病和苹果灰斑病3种苹果病害叶片图像,以1种健康叶片图像作为研究对象,随机抽取4433张图像建立数据集用于模型...
为实现苹果叶片病害图像自动识别,展开苹果叶片病害识别模型研究。通过整理网络开源植物病害数据,获取苹果赤霉病、苹果雪松锈病和苹果灰斑病3种苹果病害叶片图像,以1种健康叶片图像作为研究对象,随机抽取4433张图像建立数据集用于模型训练,采用离线增强和在线增强2种手段对数据进行预处理,扩充图像样本并保证各类样本均衡。在Resnet 50、Mobilenet v2、Vgg16、Vgg19、Inception v3等5种预训练模型的基础上,对迁移模型进行一系列的参数调整。5种模型训练比对结果表明,优化后的Resnet50模型能够达到0.9770的准确率。优化后的训练模型具有识别速度快、准确率提高的特点,可以准确、快速地识别出病害类型,为植物病害的自动诊断提供支撑。
展开更多
关键词
苹果叶病识别
深度学习
卷积神经网络
迁移学习
数据增强
在线阅读
下载PDF
职称材料
基于GoogLeNet改进模型的苹果叶病诊断系统设计
被引量：
17
3
作者
宋晨勇
白皓然
+1 位作者
孙伟浩
马皓冉
《中国农机化学报》
北大核心
2021年第7期148-155,共8页
针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNe...
针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。
展开更多
关键词
苹果叶病识别
数据增强
GoogLeNet改进模型
Tornado框架
在线阅读
下载PDF
职称材料
用于苹果叶病分类的领域自适应方法研究
4
作者
吴蔚
《智慧农业导刊》
2021年第12期9-11,共3页
苹果叶部状态是反映苹果长势良好与否的晴雨表,及时准确地识别苹果叶病类型并采取防治措施对于保证苹果的产量和质量十分重要。不同时间采集的叶部数据样本往往因存在环境的变化,造成采样数据分布的差异,使得传统深度学习方法不能很好...
苹果叶部状态是反映苹果长势良好与否的晴雨表,及时准确地识别苹果叶病类型并采取防治措施对于保证苹果的产量和质量十分重要。不同时间采集的叶部数据样本往往因存在环境的变化,造成采样数据分布的差异,使得传统深度学习方法不能很好地解决跨域识别问题。本研究提出一种基于领域自适应的苹果叶病识别方法,通过对齐不同领域的数据分布,实现了苹果叶病的跨域分类识别。实验结果验证了本研究方法的有效性,为农业领域的跨域识别问题提供了新的研究思路。
展开更多
关键词
深度学习
领域自适应
苹果叶病识别
在线阅读
下载PDF
职称材料
题名
基于深度迁移学习的苹果叶病识别方法研究
被引量：
1
1
作者
吴蔚
机构
泰山学院信息科学技术学院
出处
《智慧农业导刊》
2021年第9期14-17,共4页
基金
泰山学院引进人才科研启动基金项目(编号:Y-01-2018006)资助。
文摘
苹果叶部病虫害是影响苹果产量增长的重要因素之一,准确地识别叶病种类以进行及时防治对于苹果增量增产具有重要的意义。本研究提出一种基于深度迁移学习的苹果叶病种类识别方法,提高了模型的泛化性和识别准确率。同时针对数据分布不均衡的问题,改进损失函数,使得模型获得了更高的识别效果。实验结果表明本研究算法进行叶病识别准确率可以达到93.5%以上,验证了本研究算法的有效性,对于苹果叶部病虫害的识别及防治提供了新思路。
关键词
卷积神经网络
深度学习
迁移学习
苹果叶病识别
Keywords
convolutional neural networks
deep learning
transfer learning
apple leaf disease recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于图像识别的苹果叶片病害识别模型对比研究
被引量：
3
2
作者
郝菁
贾宗维
机构
山西农业大学信息科学与工程学院
出处
《中国农学通报》
2022年第12期153-158,共6页
基金
山西省高等学校教学改革创新项目“基于产学合作、协同创新的物联网专业人才培养模式创新与实践”
山西省研究生教育教学改革课题(2021YJJG087)
山西省教育科学“十四五”规划教育评价专项课题(PJ-21001)。
文摘
为实现苹果叶片病害图像自动识别,展开苹果叶片病害识别模型研究。通过整理网络开源植物病害数据,获取苹果赤霉病、苹果雪松锈病和苹果灰斑病3种苹果病害叶片图像,以1种健康叶片图像作为研究对象,随机抽取4433张图像建立数据集用于模型训练,采用离线增强和在线增强2种手段对数据进行预处理,扩充图像样本并保证各类样本均衡。在Resnet 50、Mobilenet v2、Vgg16、Vgg19、Inception v3等5种预训练模型的基础上,对迁移模型进行一系列的参数调整。5种模型训练比对结果表明,优化后的Resnet50模型能够达到0.9770的准确率。优化后的训练模型具有识别速度快、准确率提高的特点,可以准确、快速地识别出病害类型,为植物病害的自动诊断提供支撑。
关键词
苹果叶病识别
深度学习
卷积神经网络
迁移学习
数据增强
Keywords
recognition of apple leaf disease
deep learning
convolutional neural networks
transfer learning
data enhancement
分类号
S-1 [农业科学]
在线阅读
下载PDF
职称材料
题名
基于GoogLeNet改进模型的苹果叶病诊断系统设计
被引量：
17
3
作者
宋晨勇
白皓然
孙伟浩
马皓冉
机构
青岛农业大学机电工程学院
出处
《中国农机化学报》
北大核心
2021年第7期148-155,共8页
基金
山东省农机装备研发创新计划项目(2018YZ002)
国家级大学生创新创业训练计划项目(S202010435013)
广东省重点领域研发计划(2018B020241003)。
文摘
针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。
关键词
苹果叶病识别
数据增强
GoogLeNet改进模型
Tornado框架
Keywords
apple leaf disease identification
data enhancement
GoogLeNet improved model
Tornado framework
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
用于苹果叶病分类的领域自适应方法研究
4
作者
吴蔚
机构
泰山学院信息科学技术学院
出处
《智慧农业导刊》
2021年第12期9-11,共3页
基金
泰山学院引进人才科研启动基金项目资助(编号:Y-01-2018006)。
文摘
苹果叶部状态是反映苹果长势良好与否的晴雨表,及时准确地识别苹果叶病类型并采取防治措施对于保证苹果的产量和质量十分重要。不同时间采集的叶部数据样本往往因存在环境的变化,造成采样数据分布的差异,使得传统深度学习方法不能很好地解决跨域识别问题。本研究提出一种基于领域自适应的苹果叶病识别方法,通过对齐不同领域的数据分布,实现了苹果叶病的跨域分类识别。实验结果验证了本研究方法的有效性,为农业领域的跨域识别问题提供了新的研究思路。
关键词
深度学习
领域自适应
苹果叶病识别
Keywords
deep learning
domain adaptation
apple leaf disease recognition
分类号
S436.6 [农业科学—农业昆虫与害虫防治]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度迁移学习的苹果叶病识别方法研究
吴蔚
《智慧农业导刊》
2021
1
在线阅读
下载PDF
职称材料
2
基于图像识别的苹果叶片病害识别模型对比研究
郝菁
贾宗维
《中国农学通报》
2022
3
在线阅读
下载PDF
职称材料
3
基于GoogLeNet改进模型的苹果叶病诊断系统设计
宋晨勇
白皓然
孙伟浩
马皓冉
《中国农机化学报》
北大核心
2021
17
在线阅读
下载PDF
职称材料
4
用于苹果叶病分类的领域自适应方法研究
吴蔚
《智慧农业导刊》
2021
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
