典型文献
基于迁移学习和边缘计算的农作物病害识别
文献摘要：
农作物病害是对农作物产量和质量的主要威胁之一,植物的健康检测和疾病检测有利于发展可持续农业.但在许多地方缺少必要的检测设施,边缘计算器的出现为快速识别农作物病害提供了可能.本文采用在大型公开数据集Imagenet上训练Efficientnet-B0、Squeezenetl_0,Inceptionv3的预训练模型,结合迁移学习和边缘计算器Jetson nano对农作物进行病害识别.采用混合训练在受控条件下收集的14种作物和26种疾病的PlantVillage数据集,有效提高了训练精度,最终在测试集上分类精度达到96.85％以上.同时将模型部署到边缘计算器Jetson nano上也获得了相同的结果,为农作物病害识别的便携化提供一个思路.
文献关键词：
深度学习;迁移学习;边缘计算;农作物病害;轻量级神经网络
中图分类号：
作者姓名：
谢湘慧;谢晓春;章倩丽;喻玲娟
作者机构：
赣南师范大学物理与电子信息学院;江西理工大学信息工程学院,江西赣州 341000
文献出处：
引用格式：
[1]谢湘慧;谢晓春;章倩丽;喻玲娟-.基于迁移学习和边缘计算的农作物病害识别)[J].赣南师范大学学报,2022(06):61-66
A类：
Squeezenetl,Inceptionv3
B类：
迁移学习,边缘计算,农作物病害识别,农作物产量,产量和质量,主要威胁,健康检测,疾病检测,可持续农业,计算器,快速识别,公开数据集,Imagenet,Efficientnet,B0,预训练模型,Jetson,nano,混合训练,受控,PlantVillage,测试集,分类精度,模型部署,轻量级神经网络
AB值：
0.290031
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。
