基于卷积网络的苹果病变图像识别方法-计算机工程.PDFVIP

第 卷 第 期 计 算 机 工 程 年 月 开发研究与工程应用 文章编号 文献标识码 中图分类号 基于卷积网络的苹果病变图像识别方法 王细萍 黄 婷 谭文学 吴华瑞 孙 闯 湖南文理学院 经济与管理学院 计算机科学与技术学院湖南 常德 北京农业信息技术研究中心北京 摘 要 为更好地识别病变图像提出基于卷积网络和时变冲量学习的苹果病变图像识别方法 引入卷积采样算 子通过基于时变冲量的参数训练过程实现网络自我优化自动提取果园物联网传感器采集的果体图像病变特征 并对病变类别予以识别 实验结果显示与浅层学习方法及深度学习方法相比该方法识别性能优势明显正确率 为 收敛速度快并能维持较好的后期稳定性对于不同基准数据集有较好的泛化能力 关键词 病变图像卷积机器学习时变冲量预警 中文引用格式王细萍黄 婷谭文学等基于卷积网络的苹果病变图像识别方法 计算机工程 英文引用格式 完成人为因素干扰表达精度和规范化水平直接影 概述 响诊断效率 农场信息化和传感网建设实现了 我国是一个水果生产大国果树种植面积庞大 信息采集传输的实时化因实时信息的描述方式 行业主体地位明显 随着农业信息化建设的发展 视频 图片 和 系统的数据格式规范的术 基于知识库 的专家系 语化的文字表述 不兼容无法及时响应或者因格 统得到了广泛应用 然而在物联网普及的生产 式转换时间差常给果农造成损失 环境下其局限性愈发突出 对于基于知识的专 针对这些问题病变模式特征的自动提取及实 家系统病害特征提取及表达主要靠人类专家手工 时识别方法成为设施农业技术的关注热点机器学 基金项目国家自然科学基金资助项目 湖南省教育厅科学研究基金资助项 目 湖南文理学院大学生研究性学习 和创新性实验计划项目 作者简介王细萍 女讲师硕