基于卷積神經(jīng)網(wǎng)絡(luò)的蘋果葉部病害圖像識(shí)別研究

打開文本圖片集

摘要：為解決蘋果葉部病害識(shí)別效率低、精度低的問(wèn)題，展開蘋果葉片病害識(shí)別模型的研究。通過(guò)收集并整理網(wǎng)絡(luò)公共數(shù)據(jù)集，獲取蘋果黑腐病、蘋果黑星病、蘋果銹病和蘋果健康葉部四類圖像，隨機(jī)選取1200張圖像建立數(shù)據(jù)集，采用數(shù)據(jù)增強(qiáng)的手段對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，提高模型的魯棒性，降低其他因素對(duì)模型識(shí)別的影響。將遷移學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合，在InceptionV3、Xception、NasNetmobile、Inception-ResNetV2這4種預(yù)訓(xùn)練模型的基礎(chǔ)上，棄用全連接層，通過(guò)全局平均池化層來(lái)完成特征整合工作，同時(shí)對(duì)模型采取微調(diào)，對(duì)比各模型的識(shí)別效果。（剩余11405字）