深度学习训练数据分布对植物病害识别的影响研究.docx

深度学习训练数据分布对植物病害识别的影响研究.docx

? ? 深度学习训练数据分布对植物病害识别的影响研究 ? ? 王宏乐,王兴林,,李文波,叶全洲,林涌海,谢 辉,邓 烈 (1.华南理工大学环境与能源学院,广东 广州 510006;2.深圳市丰农控股有限公司,广东 深圳 518055;3.深圳市五谷网络科技有限公司,广东 深圳 518055;4.深圳市宇众物联科技有限公司,广东 深圳 518126) 【研究意义】在植物病害智能识别技术的研究中,传统的机器学习技术已有了不错的识别效果,新出现的深度学习技术进一步推进了植物病害识别技术的发展,并成为该领域研究的热点。关于深度学习技术用于植物病害识别已有诸多报道,目前已报道了约20 种作物上的数百种植物病害的智能识别,识别准确率高达90%以上[1-3]。但是,这类模型多数使用实验室场景下的标准病害图片作 为训练集,其建立的病害识别模型应用到田间识别时,识别准确率降至6%~45%之间[1,4-5]。作为训练集的实验室场景图片大多背景一致,拍摄角度差别不大,采集方法和数据相对标准一致,这类图片具有清晰的病害特征,有利于模型训练中的病害特征学习;而应用场景的田间场景图片往往情况复杂,存在不同光线、角度和病害特征清晰度不同等问题,采集技术和标准较难统一,病害特征不显著,背景因子干扰较大,因而对田间场景图片的识别率较低[1,6]。如何优化植物病害识别深度学习模型,从而跨越实验室和田间不同场景

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档