典型文献
基于CNN的植物叶片病害智能检测系统算法设计与仿真
文献摘要：
针对目前基于机器学习的农作物叶片病害识别算法中训练收敛误差大、识别精度不高等问题,文章研究了基于卷积神经网络CNN的植物叶片病害智能检测系统算法.通过对采集到的叶片图像进行K-means聚类算法分割叶片图像中受感染的区域,再用CNN网络进行特征提取及识别分类,实现对农作物叶片病害的检测.仿真试验数据表明,以马铃薯植株叶片为例,设计的算法模型平均识别精度为94.7％,较SVM提高了6.15％,适用于植物叶片病害智能检测系统.
文献关键词：
植物叶片病害;K-means;CNN;智能检测系统
中图分类号：
作者姓名：
樊东燕
作者机构：
山西工程科技职业大学,山西 晋中 100048
文献出处：
引用格式：
[1]樊东燕-.基于CNN的植物叶片病害智能检测系统算法设计与仿真)[J].农业技术与装备,2022(11):36-37,40
A类：
植物叶片病害
B类：
智能检测系统,算法设计,设计与仿真,基于机器学习,作物叶片,病害识别,识别算法,识别精度,means,聚类算法,识别分类,仿真试验,马铃薯,植株,算法模型,模型平均
AB值：
0.174507
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。
