典型文献
改进DenseNet融合去雾算法的水果病害识别
文献摘要：
在水果种植领域,病虫害是威胁水果生长的主要因素之一.文章通过识别水果叶片实现复杂环境下对水果病害的识别和防治,对提高水果产量和品质具有关键作用.基于以上问题,文章提出了一种基于深度学习的新型植物病害识别模型,该模型首先通过图像归一化处理和MSRCR去雾算法完成对图像的预处理与增强,然后使用基于梯度上的Canny SLIC算法对病害图像数据集进行高精度的分割,进而得到包含病斑特征的叶片,最后通过改进的DenseNet算法对图像进行病害特征识别和分类,完成水果病害图像的识别.在水果病害中,以白粉病、黑痘病、炭疽病为例进行测试,结果表明该模型平均正确率为98.98％,远高于传统的CNN卷积架构模型的正确率.该模型实现了复杂环境下水果病害图像的识别,可用于辅助水果病害的自动识别与检测,提高了水果病害图像识别的清晰度和准确率.
文献关键词：
改进DenseNet算法;去雾算法;水果病害图像识别
中图分类号：
作者姓名：
陈智超;颜琪
作者机构：
电子科技大学成都学院,四川成都611731;吉利学院智能科技学院,四川成都641423
文献出处：
引用格式：
[1]陈智超;颜琪-.改进DenseNet融合去雾算法的水果病害识别)[J].电脑知识与技术,2022(25):70-72
A类：
水果病害,水果病害图像识别
B类：
DenseNet,去雾算法,病害识别,病虫害,复杂环境,产量和品质,植物病害,识别模型,图像归一化,归一化处理,MSRCR,Canny,SLIC,病害图像数据集,病害特征,特征识别,白粉病,炭疽病,模型平均,模型实现,自动识别,清晰度
AB值：
0.227556
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
