基于卷积网络的苹果病变图像识别方法

被引：31

作者：

王细萍 ^{[1
]}

黄婷 ^{[2
]}

谭文学 ^{[2
]}

吴华瑞 ^{[3
]}

孙闯 ^{[2
]}

机构：

[1] 湖南文理学院经济与管理学院

[2] 湖南文理学院计算机科学与技术学院

[3] 北京农业信息技术研究中心

来源：

计算机工程 | 2015年 / 41卷 / 12期

关键词：

病变图像; 卷积; 机器学习; 时变冲量; 预警;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

为更好地识别病变图像,提出基于卷积网络和时变冲量学习的苹果病变图像识别方法。引入卷积、采样算子,通过基于时变冲量的参数训练过程实现网络自我优化,自动提取果园物联网传感器采集的果体图像病变特征,并对病变类别予以识别。实验结果显示,与浅层学习方法及深度学习方法相比,该方法识别性能优势明显,正确率为97.45%,收敛速度快,并能维持较好的后期稳定性,对于不同基准数据集有较好的泛化能力。

引用

页码：293 / 298

页数：6

共 12 条

[1]

An approach to implement data fusion techniques in wireless sensor networks using genetic machine learning algorithms.[J].A.R. Pinto;C. Montez;G. Araújo;F. Vasques;P. Portugal.Information Fusion.2013,

[2]

基于语义挖掘的室性心动过速及心室纤颤检测 [J].