基于改进ResNet

当前位置： X-MOL 学术 › Horticulturae › 论文详情

基于改进ResNet-50模型的苹果叶部病虫害分类识别
Horticulturae Pub Date : 2023-09-16 , DOI: 10.3390/horticulturae9091046
Xiaohua Zhang 1, 2 , Haolin Li 3 , Sihai Sun 1 , Wenfeng Zhang 2 , Fuxi Shi 4 , Ruihua Zhang 3 , Qin Liu 1, 2

果树叶部病虫害的自动识别和防治是智慧农业发展的重要趋势。为了解决现有模型对苹果叶部病虫害识别率低的局限性，提出了一种基于改进的ResNet-50架构的新识别模型，该模型结合了坐标注意（CA）模块和权重自适应多重识别模型。 -尺度特征融合（WAMFF）增强ResNet-50的图像特征提取能力。采用迁移学习和在线数据增强来提高模型的泛化能力。所提出的模型在AppleLeaf9数据集的基础上达到了98.32%的top-1准确率，比原始模型的值提高了4.58%，改进后的模型能够有效提高病变特征的定位能力。此外，与同一数据集上的AlexNet、VGG16、DenseNet、MNASNet、GoogLeNet等主流深度网络相比，top-1准确率分别提高了7.3%、3.19%、4.98%、6.04%和3.87%。实验结果表明，改进后的模型有效提高了苹果叶部病虫害的识别精度，增强了模型的有效特征提取能力。

"点击查看英文标题和摘要"

更新日期：2023-09-16

相关知识

基于ResNet对花朵分类研究
基于pytorch搭建ResNet神经网络用于花类识别
基于MSDB
基于改进YoloV3卷积神经网络的番茄病虫害检测
基于注意力机制的小样本啤酒花病虫害识别
基于python编程的五种鲜花识别
基于深度学习和迁移学习的识花实践
基于改进YOLOv5s的农田辣椒病害图像识别
基于深度学习的园林植物病虫害智能识别系统
基于改进YOLOv5的猕猴桃叶病害检测系统（完整源码＆数据集＆视频教程）

网址: 基于改进ResNet https://www.huajiangbk.com/newsview484001.html