典型文献
基于改进LeNet-5模型的玉米病害识别
文献摘要:
玉米叶部病虫害严重影响了玉米的产量和质量,为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益,在传统卷积神经网络LeNet-5模型的基础上进行优化改进,提出基于改进的LeNet-5模型,用来分类识别玉米大斑病、锈病、叶斑病3种叶部病害图像及正常玉米图像.首先通过随机旋转、图像增强及尺寸修改方法等对病害图像进行预处理操作,然后增加模型的网络层数,改进后的模型一共有14层,包括输入层、5个卷积层、5个池化层、2个全连接层及输出层,最后用ReLU函数代替传统的Sigmoid激活函数,并且在卷积层和全连接层中加入Dropout策略层,通过试验对比选择合适的丢弃概率,进一步减少参数,防止产生过拟合现象.迭代次数设置为15次,选取11个样本作为1个batch进行训练,通过不断调整参数、优化模型,选择最优的模型在测试集上进行分类识别,最终改进后的模型对玉米叶部病害的识别准确率高达97.3%,为玉米病害的及时防治提供了有效的技术支持.
文献关键词:
卷积神经网络;LeNet-5模型;病害识别;玉米;病害图像
中图分类号:
作者姓名:
何前;郭峰林;方皓正;李雅琴
作者机构:
武汉轻工大学数学与计算机学院,湖北武汉430000
文献出处:
引用格式:
[1]何前;郭峰林;方皓正;李雅琴-.基于改进LeNet-5模型的玉米病害识别)[J].江苏农业科学,2022(20):35-41
A类:
B类:
LeNet,玉米病害,病害识别,病虫害,产量和质量,玉米叶部病害,快速识别,种植者,优化改进,分类识别,玉米大斑病,锈病,叶斑病,病害图像,常玉,随机旋转,图像增强,修改方法,网络层,层数,一共,输入层,卷积层,池化,全连接层,出层,ReLU,数代,Sigmoid,激活函数,Dropout,试验对比,对比选择,丢弃,过拟合,迭代次数,batch,调整参数,测试集,识别准确率
AB值:
0.422119
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。