摘要
针对在复杂环境下樱桃叶片病害识别准确率低的问题。本文在ResNet-50网络的基础上提出了一种改进方法,以AVE-pooling为下采样层,Dropout、Dense层减少过拟合和增强分类效果,并采用Softmax分类器进行分类,利用迁移学习方法进行网络微调,从而提高了白粉病的识别率。结果表明,这种改进方法的迁移学习获得了99.98%的准确率,相比未改进迁移学习的97.42%提高了2.56%。实验表明,本文提出的网络改进方法和迁移方式可以提高樱桃白粉病识别的准确率。
出处
《电脑知识与技术》
2022年第8期12-15,共4页
Computer Knowledge and Technology
基金
陕西省教育厅重点科学研究技术(20JS022)。
