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
共找到1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：
基于改进S-ResNet34模型的小麦条锈病等级识别研究
1
作者 尉国帅 贺佳 +3 位作者 常宝方 袁培燕 赵肖媛 王来刚 《南京农业大学学报》 CAS 北大核心 2025年第1期230-239,共10页
[目的]快速准确识别小麦条锈病病害等级,对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像,构建小麦叶片条锈病不同病害等级数据集,通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进,增强模型... [目的]快速准确识别小麦条锈病病害等级,对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像,构建小麦叶片条锈病不同病害等级数据集,通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进,增强模型对小麦条锈病特征的关注程度和提取能力,并采用精准率、召回率、平衡F分数和准确率等评价指标,对比分析S-ResNet34与VGG16、MobileNetV2、Swin-Transformer、ResNet34等多种主流模型的识别精度。[结果]S-ResNet34模型的训练准确率为93.85%,相比于VGG16(84.53%)、MobileNetV2(79.35%)、Swin-Transformer(85.67%)和ResNet34(87.50%)等深度网络模型,准确率分别提高了9.32%、14.50%、8.18%和6.35%。模型损失值更小,改进的ResNet34模型识别小麦条锈病特征能力更强,训练收敛更快。[结论]采用深度学习模型能够准确识别小麦条锈病发病程度,通过对ResNet34模型添加注意力模块能有效提高小麦条锈病病害识别精度。 展开更多
关键词 小麦条锈病 深度学习 病害等级 图像识别 改进S-ResNet34模型
在线阅读 下载PDF
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
使用帮助 返回顶部