-
题名基于改进ResNet34的玉米病害分类研究
被引量：1
- 1
-
-
作者
李涵
唐友
辛鹏
杨牧
-
机构
吉林化工学院
吉林农业科技学院
一汽东机工减振器有限公司
-
出处
《无线互联科技》
2023年第13期127-130,共4页
-
基金
吉林省科技发展计划项目,项目名称:基于数据挖掘技术的全基因组选择方法研发及云计算平台体系构建,项目编号:YDZJ202201ZYTS692。
-
文摘
玉米病害分类是一个具有挑战性的问题,因为病害的形态和颜色等特征相似,使得分类难度较大。文章基于深度学习技术,对玉米病害进行分类研究,提出了一种名为CBAM_ResNet34的卷积神经网络模型。该模型在ResNet34基础上加入了CBAM注意力模块,可以更好地提取玉米病害特征,以提高模型的分类性能。本文使用公开玉米病害数据集,共包含8种类别,通过数据增强技术进行数据扩充得到17 670张图片,可以有效提高模型的泛化能力。将改进后的模型与ResNet34模型进行实验对比,实验结果表明,CBAM_ResNet34模型的分类准确率为88.1%,相比ResNet34提高了1.1%。该模型能够有效地对玉米病害进行分类识别,为玉米产业的发展和可持续利用提供了一种新的方法和思路。
-
关键词
ResNet34模型
卷积神经网络
数据增强
CBAM注意力模块
玉米病害分类
-
Keywords
ResNet34 model
convolutional neural network
data augmentation
CBAM attention module
corn disease classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
