基于深度学习的番茄叶部病害识别模型

最新推荐文章于 2024-09-25 17:38:26 发布

@@南风

最新推荐文章于 2024-09-25 17:38:26 发布

阅读量2k

点赞数 1

分类专栏：深度学习农作物病害识别与分类文章标签：卷积人工智能网络深度学习机器学习

本文链接：https://blog.csdn.net/weixin_45592298/article/details/108925815

版权

115 篇文章 ¥89.90 ¥99.00

订阅专栏

104 篇文章 ¥99.90 ¥299.90

订阅专栏

本文提出了一种基于深度学习的番茄叶部病害识别模型，利用卷积神经网络提取特征，PCA算法降维，改进的Softmax损失函数提高识别准确性。数据来源包括CrowdAI和安徽省农业科学院情报研究所。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于深度学习的番茄叶部病害识别模型

为实现番茄叶病特征的自动提取，并提高识别准确率，提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取，获得高维特征后，采用 PCA 降维算法去除冗余特征；从增大类间距离并减小类内距离的角度改进了 softmax 分类器，提高了识别准确率。

层	作用
卷积层	对输入数据进行特征提取。
池化层	对输入的特征进行进一步的提取，可以简化网络的复杂度，又能保留主要特征。
全连接层	是将卷积和池化提取的局部特征重新通过权值矩阵全卷积为完整的特征，因为应用到了所有局部特征，所以叫全连接。输出层的作用就是最后对特征进行分类识别，输出结果。
输出层	作用就是最后对特征进行分类识别，输出结果。