基于弹性动量深度学习神经网络的果体病理图像识别

被引：48

作者：

谭文学 ^{[1
,2
]}

赵春江 ^{[3
]}

吴华瑞 ^{[3
]}

高荣华 ^{[3
]}

机构：

[1] 北京工业大学计算机学院

[2] 湖南文理学院计算机科学与技术学院

[3] 不详

来源：

农业机械学报 | 2015年 / 46卷 / 01期

关键词：

果蔬病害; 病理图像; 深度学习神经网络; 弹性动量; 图像识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

为了实时预警果蔬病害和辅助诊断果蔬疾病,实现无人值守的病虫害智能监控,设计了深度学习神经网络的果蔬果体病理图像识别方法,基于对网络误差的传播分析,提出弹性动量的参数学习方法,以苹果为例进行果体病理图像的识别试验。结果表明,该方法召回率为98.4%;同其他同源更新机制相比,弹性动量方案能显著改善学习网络的果蔬病害识别准确率;其收敛曲线平滑,5 h时耗能实现收敛,对不同数据集也有良好泛化性能。

引用

页码：20 / 25

页数：6

共 15 条

[11] Predicting the spread of postharvest disease in stored fruit, with application to apples[J] . M. Dutot,L.M. Nelson,R.C. Tyson.Postharvest Biology and Technology . 2013
[12] Computational and space complexity analysis of SubXPCA
Kadappa, Vijayakumar
Negi, Atul
[J]. PATTERN RECOGNITION, 2013, 46 (08) : 2169 - 2174
[13] Modeling and Prediction of Material Removal Rate and Surface Roughness in Surface-Electrical Discharge Diamond Grinding Process of Metal Matrix Composites
Agrawal, Shyam Sunder
Yadava, Vinod
[J]. MATERIALS AND MANUFACTURING PROCESSES, 2013, 28 (04) : 381 - 389
[14] Artificial neural networks for predicting indoor temperature using roof passive cooling techniques in buildings in different climatic conditions[J] . Shrikant Pandey,D.A. Hindoliya,Ritu Mod.Applied Soft Computing Journal . 2011 (3)
[15] Environmental emergency decision support system based on Artificial Neural Network[J] . Zhenliang Liao,Bo Wang,Xiaowei Xia,Phillip M. Hannam.Safety Science . 2011 (1)

← 1 2 →