基于深度學(xué)習(xí)的玉米病蟲害智能診斷系統(tǒng)開發(fā)

打開文本圖片集

摘 要 使用自定義CNN和DenseNet201兩種基于深度學(xué)習(xí)的網(wǎng)絡(luò)，對大斑病、南方銹病、玉米黏蟲、玉米蚜蟲、玉米葉螨等10種常見玉米病蟲害圖像樣本開展模型訓(xùn)練，并對部分訓(xùn)練結(jié)果進行了對比分析。發(fā)現(xiàn)所得val_accuracy大于0.8的模型中，基于CNN網(wǎng)絡(luò)的模型相對穩(wěn)定，val_loss值相對較小，說明在特定情況下基于CNN網(wǎng)絡(luò)的模型收斂性相對較好，但DenseNet201網(wǎng)絡(luò)更容易取得較高準(zhǔn)確率的模型。（剩余7146字）