一种基于改进ResNet18神经网络的苹果叶片病害识别方法OA北大核心CSTPCD
为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以减少参数量,实现模型轻量化;其次,引入坐标注意力(CA)机制并进行迁移学习,进一步提升模型的泛化性能。将改进ResNet18模型与原始ResNet18神经网络进行对比实验,结果发现,改进模型的准确率提升了1.53个百…查看全部>>
陈诗瑶;孔淳;冯峰;孙博;王志军
山东农业大学信息科学与工程学院,山东泰安271018 山东省苹果技术创新中心,山东泰安271018山东农业大学信息科学与工程学院,山东泰安271018 山东省苹果技术创新中心,山东泰安271018山东农业大学信息科学与工程学院,山东泰安271018 山东省苹果技术创新中心,山东泰安271018山东农业大学信息科学与工程学院,山东泰安271018山东农业大学信息科学与工程学院,山东泰安271018 山东省苹果技术创新中心,山东泰安271018
园艺学与植物营养学
苹果叶片病害识别卷积神经网络ResNet18模型残差结构坐标注意力机制迁移学习
《山东农业科学》 2024 (10)
P.174-180,7
山东省重大科技创新工程项目“现代果园智慧种植装备与大数据平台研发及示范应用”(2019JZZY010706)。
评论