為了提高百合病害診斷模型的抗噪能力,以VGG-16模型為基礎(chǔ)構(gòu)建卷積膠囊網(wǎng)絡(luò),并分析了膠囊尺寸、路由迭代次數(shù)對訓(xùn)練時間及模型精度的影響。最終得到膠囊尺寸為8、路由迭代次數(shù)為3的卷積膠囊網(wǎng)絡(luò),該網(wǎng)絡(luò)對百合病害診斷精度達到99.20%。使用不同等級的高斯噪聲、椒鹽噪聲、斑點噪聲、仿射變換圖像對模型抗噪能力進行測試,結(jié)果表明,卷積膠囊網(wǎng)絡(luò)明顯優(yōu)于VGG-16模型,更適合在實際生產(chǎn)環(huán)境下的百合病害診斷。 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(12)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]基于多頭注意力膠囊網(wǎng)絡(luò)的文本分類模型[J]. 賈旭東,王莉.  清華大學(xué)學(xué)報(自然科學(xué)版). 2020(05)
[2]基于GoogLeNet深度遷移學(xué)習(xí)的蘋果缺陷檢測方法[J]. 薛勇,王立揚,張瑜,沈群.  農(nóng)業(yè)機械學(xué)報. 2020(07)
[3]基于膠囊網(wǎng)絡(luò)的智能交通標(biāo)志識別方法[J]. 陳立潮,鄭佳敏,曹建芳,潘理虎,張睿.  計算機應(yīng)用. 2020(04)
[4]基于高階殘差和參數(shù)共享反饋卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害識別[J]. 曾偉輝,李淼,李增,熊焰.  電子學(xué)報. 2019(09)
[5]基于輕量級CNN的植物病害識別方法及移動端應(yīng)用[J]. 劉洋,馮全,王書志.  農(nóng)業(yè)工程學(xué)報. 2019(17)
[6]基于深度學(xué)習(xí)的農(nóng)作物病蟲害圖像識別技術(shù)研究進展[J]. 賈少鵬,高紅菊,杭瀟.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[7]蘭州百合連作障礙效應(yīng)及機制研究[J]. 黃鈺芳,張恩和,張新慧,王惠珍,王琦,劉青林,石雨仟.  草業(yè)學(xué)報. 2018(02)
[8]基于改進卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識別[J]. 孫俊,譚文軍,毛罕平,武小紅,陳勇,汪龍.  農(nóng)業(yè)工程學(xué)報. 2017(19)
[9]深綠木霉T2發(fā)酵液蛋白提取物TraT2A誘導(dǎo)蘭州百合抗灰霉病研究[J]. 韓亮,梁巧蘭,周其宇.  中國農(nóng)學(xué)通報. 2016(20)



本文編號：3328169