中國是傳統(tǒng)的農(nóng)業(yè)大國,農(nóng)業(yè)不僅是國民經(jīng)濟建設與發(fā)展的基礎,也是社會正常穩(wěn)定有序運行的保障.然而每年由于農(nóng)作物病蟲害造成的損失巨大,且傳統(tǒng)的農(nóng)作物病蟲害識別方法效果并不理想.同時近年深度學習飛速發(fā)展,在圖像分類與識別的方面取得了巨大進展.因此本文通過基于深度學習的方法構建農(nóng)作物病蟲害圖像識別模型,并針對樣本不平衡問題改進卷積網(wǎng)絡損失函數(shù).實驗證明該模型可以對農(nóng)作物病蟲害進行有效識別并且對損失函數(shù)進行優(yōu)化后模型的準確率也進一步得到了提升. 

【文章來源】：計算機系統(tǒng)應用. 2020,29(06)

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的葡萄葉片病害檢測方法[J]. 劉闐宇,馮全,楊森.  東北農(nóng)業(yè)大學學報. 2018(03)
[2]貝葉斯方法在玉米葉部病害圖像識別中的應用[J]. 趙玉霞,王克如,白中英,李少昆,謝瑞芝,高世菊.  計算機工程與應用. 2007(05)
[3]缺素葉片彩色圖像顏色特征提取的研究[J]. 徐貴力,毛罕平,李萍萍.  農(nóng)業(yè)工程學報. 2002(04)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的煙草病害自動識別研究[D]. 李敬.山東農(nóng)業(yè)大學 2016
[2]基于圖像處理的茄子葉部病害識別方法研究[D]. 田凱.華南農(nóng)業(yè)大學 2016



本文編號：3446892