基于TensorFlow平台的深度学习月季花病害检测研究

作物病害是对粮食安全的主要威胁,但由于缺乏必要的基础设施,在世界许多地方,很难迅速查明疾病。深度学习使全球智能手机普及率不断提高和计算机视觉的最新发展相结合,为智能手机辅助疾病诊断铺平了道路。该文使用在受控条件下收集的54 306张患病和健康植物月季花图像的公共数据集,我们在TensorFlow平台上训练了一个深度卷积神经网络,以识别月季花的多种疾病。经过训练的模型在保留的测试集上达到了99.35%的精度,证明了这种方法的可行性。在从可信任的在线来源收集的一组图像上测试模型(即在不同于用于训练模型的图像的条件下拍摄)时,模型仍可达到31.4%的准确性。尽管此准确度比基于随机选择的准确度高得多(2.6%),但仍需要更多样化的训练数据集来提高总体准确度。总体而言,在越来越大且可公开获得的图像数据集上,训练深度学习模型的方法为大规模的全球智能手机辅助作物病害诊断提供了一条清晰的道路。 （共6页)

相关知识

基于深度学习和迁移学习的识花实践
深度学习之基于Tensorflow卷积神经网络花卉识别系统
基于深度学习的花卉识别研究
基于深度学习的农作物病害图像识别技术进展
深度学习基于python+TensorFlow+Django的花朵识别系统
基于深度学习神经网络的农业病虫害识别（完整代码+数据）
基于深度学习特征的植物病虫害检测
深度学习在植物叶部病害检测与识别的研究进展
基于深度学习的病虫害智能化识别系统
基于深度学习的植物病虫害智能检测系统研究

原文链接: 基于TensorFlow平台的深度学习月季花病害检测研究 https://www.huajiangbk.com/newsview308858.html