期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN卷积神经网络的病虫害图像识别应用技术综述
1
作者 魏倩 龚骏毅 《数字农业与智能农机》 2023年第3期23-25,共3页
农作物病虫害种类繁多,对农作物的产品和品质造成重大影响,而我国一线农业生产人员专业技术水平良莠不齐,导致现场缺乏有效和及时的客观判断。基于此,分析了传统和现代病虫害快速检测的方式和优缺点,并针对基于CNN卷积神经网络的农作物... 农作物病虫害种类繁多,对农作物的产品和品质造成重大影响,而我国一线农业生产人员专业技术水平良莠不齐,导致现场缺乏有效和及时的客观判断。基于此,分析了传统和现代病虫害快速检测的方式和优缺点,并针对基于CNN卷积神经网络的农作物病虫害AI图像识别技术的要点和应用步骤进行详细阐述。该技术具有较高的实用价值和可操作性,可促进AI图像识别技术与传统农业生产的深度融合和赋能。 展开更多
关键词 CNN卷积神经网络 农作物病虫害识别 图像识别技术 特征提取及分析
下载PDF
基于深度学习的农作物病虫害识别研究 被引量：2
2
作者 苏令涛 李瑞泽 +1 位作者 张功磊 刘桂霞 《数学建模及其应用》 2022年第4期1-12,共12页
农作物病虫害在国内外呈高发态势,如何及时准确地对病虫害识别分类是实现科学防控的关键.传统依靠经验和人工的识别方法已无法满足现代农业的发展需求.作为机器学习的重要分支,深度学习在图像识别领域性能卓越,因此,基于深度学习模型的... 农作物病虫害在国内外呈高发态势,如何及时准确地对病虫害识别分类是实现科学防控的关键.传统依靠经验和人工的识别方法已无法满足现代农业的发展需求.作为机器学习的重要分支,深度学习在图像识别领域性能卓越,因此,基于深度学习模型的农作物病虫害识别是该领域的研究热点.本文对深度学习在农作物病虫害识别中所涉及的关键技术,包括病虫害数据的获取和预处理、深度学习相关模型、识别结果的评价指标、预测预报等方面的研究现状、存在的问题以及面临的挑战进行系统综述.本文内容将为从事该领域的研究人员提供技术参照,促进深度学习技术在农业领域的实际运用. 展开更多
关键词 深度学习 农作物病虫害识别 图像识别
下载PDF
基于Inception与Residual组合网络的农作物病虫害识别 被引量：3
3
作者 冯广 孔立斌 +2 位作者 石鸣鸣 贺敏慧 何雅萱 《广东工业大学学报》 CAS 2020年第3期17-22,共6页
针对我国农作物病虫害识别方法中存在的速度慢、主观性强、所需专业知识要求高以及识别成本高等问题,提出一种基于Inception与Residual结构组合的Inception-resnet-v2网络模型的农作物病虫害识别方法,以实现精准高效的农作物病虫害识别... 针对我国农作物病虫害识别方法中存在的速度慢、主观性强、所需专业知识要求高以及识别成本高等问题,提出一种基于Inception与Residual结构组合的Inception-resnet-v2网络模型的农作物病虫害识别方法,以实现精准高效的农作物病虫害识别。网络使用residual结构,采用跨层连接方式将低层特征与高层特征进行组合学习以增加网络深度。同时加入了Inception结构,既能保持网络结构的稀疏性,又能利用密集矩阵的高计算性能,加快了训练速度。最后通过Softmax分类器进行多分类预测。与传统方法相比,本文方法收敛速度更快,不仅准确率达到96.67%、精确度达到90.77%、召回率达到89.72%,还使病虫害识别的不同类别更加均衡,改善了传统方法中对特定类别识别效果差的问题。 展开更多
关键词 农作物病虫害识别 Inception结构 Residual结构 Inception-resnetl-v2 Softmax分类器
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部