典型文献
基于深度学习的快速植物识病与实时监测系统的设计
文献摘要：
高效地进行植物识别是植物保护中的重要分支和热点,利用深度学习研究图像分类与识别已成为主流.为提高植物病情的高效识别,设计了利用卷积神经网络的Alex Net模型为基础的植物识病与实时检测系统,利用该系统下的软件应用对植物快速的识别并进行实时检测.首先系统对植物图像进预处理,提取植物多个细节图像特征,将多个特征进行相加并融合再输入网络进行训练,使用Alex Net模型构架作为分类器,利用全连接层对植物进行高效识别.据系统数据反馈,基于深度学习的快速植物识病与实时监测系统中的软件应用对植物识别的正确率保持良好,相比于同类型植物识别系统,此系统对于植物种类及其病症的识别更加高效,鲁棒性更强.
文献关键词：
植物识别;深度学习;Alex Net
中图分类号：
作者姓名：
黄银峰;曾茂鑫;孙庭浩;崔益顺
作者机构：
四川轻化工大学化学工程学院,四川自贡 643000
文献出处：
引用格式：
[1]黄银峰;曾茂鑫;孙庭浩;崔益顺-.基于深度学习的快速植物识病与实时监测系统的设计)[J].数码设计,2022(11):57-60
A类：
图像分类与识别
B类：
识病,实时监测系统,植物识别,植物保护,学习研究,Alex,Net,实时检测系统,软件应用,对植,植物图像,细节图,图像特征,相加,入网,构架,分类器,全连接层,系统数据,数据反馈,保持良好,识别系统,植物种类,病症
AB值：
0.338881
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。
