基于卷积神经网络的草莓叶部白粉病病害识别.pdf下载

weixin_39821526 2021-10-07 11:02:56

基于卷积神经网络的草莓叶部白粉病病害识别.pdf , 相关下载链接：https://download.csdn.net/download/jiebing2020/24855566?utm_source=bbsseo

...全文

25 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于卷积神经网络的草莓叶部白粉病病害识别.pdf

毕业设计：基于卷积神经网络的草莓病害检测算法将草莓样本分为多个类别，以便于模型学习和识别。这些类别包括花朵、健康、成熟、果实、肥料、白粉病、根腐病和灰叶病。将草莓样本分为多个类别，以便于模型学习和识别。这些类别包括花朵、健康、成熟、果实、肥料、白粉病、根腐病和灰叶病。结合迁移学习和数据增强等技术，可以有效提高模型的准确性和鲁棒性，确保在不同环境和光照条件下都能稳定工作。最终，草莓病害检测不仅有助于提高作物的健康水平，还能为农业生产提供科学依据，推动可持续发展。

Detection of Strawberry Diseases Using a Convolutional Neural Network 1、摘要草莓是台湾的一种高价值作物，年种植面积约500公顷。苗栗县的草莓种植面积超过90%。不幸的是，各种病害显著降低了草莓产量。叶果病在1986年成为一种流行病。2010 - 2016年，炭疽病冠腐病造成30-40%的幼苗损失，移栽后植株损失约20%。草莓病害的检测离不开农业的自动化和图像识别技术。我们开发了一种利用卷积神经网络(CNN)模型来检测草莓病害的图像识别

本文介绍了一个针对草莓叶片病害识别检测与分类的数据集，该数据集涵盖了多种草莓叶片病害类型，包括白粉病、灰霉病、炭疽病、蛇眼病、叶斑病、黄萎病和根腐病。因此，构建一个涵盖多种草莓叶片病害类型、具有高质量标注信息的数据集，对于推动草莓叶片病害识别检测与分类技术的发展具有重要意义。同时，实验结果还表明，本数据集具有一定的泛化能力和适应性，能够应用于不同场景和条件下的草莓叶片病害识别检测与分类任务。同时，数据集还具有一定的多样性和丰富性，能够涵盖不同病害类型、不同病害程度和不同生长阶段的草莓叶片图像。

1、研究思想这项研究优化和评估了几个成熟的学习者，包括AlexNet、SheeNet、GoogLeNet、ResNet-50、SheeNet-MOD1和SheeNet-MOD2。从1450张健康和受感染的叶片图像中进行数据扩充，以防止过度拟合，并考虑田间叶片的各种形状和方向。总体而言，本研究中使用的六种数据挖掘算法的分类准确率平均超过92%。ResNet-50对健康叶片和感染叶片的分类准确率最高，为98.11%；然而，考虑到计算时间，AlexNet具有最快的处理时间，为40.73秒，以95.59%的计算

下载资源悬赏专区

13,654

社区成员

12,578,461

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章