-
题名基于深度可分离卷积神经网络的农作物病害识别方法
被引量：11
- 1
-
-
作者
蔡汉明
随玉腾
张镇
曾祥永
-
机构
青岛科技大学机电工程学院
北京盛开互动科技有限公司
-
出处
《安徽农业科学》
CAS
2019年第11期244-246,252,共4页
-
文摘
为了满足现代化、机械化农业生产的目标,降低模型的计算量,使农作物病害分类模型更适用于资源受限制的设备,提出了一种以深度可分离卷积为主的神经网络模型。利用深度可分离卷积和卷积相结合的方法取代标准卷积,计算量可降低至标准卷积的12%左右,并且大大减少网络模型的参数量。通过进一步减少通道数、改变网络输入图片大小的等方式,获得12种参数量和计算量不同的模型。结果显示,对含有复杂背景和光照不均匀的10类农作物的27种病害样本图片进行分类,该研究提出的模型准确率为98.26%,且参数量仅904K。
-
关键词
深度可分离卷积
病害识别
图像处理
深度学习
-
Keywords
Depthwise separable convolution
Disease recognition
Image processing
Deep learning
-
分类号
S1265
[农业科学—农业基础科学]
TP126
[自动化与计算机技术—控制理论与控制工程]
-
