基于AlexNet的农作物病虫害识别研究

摘要：农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件,是人们能够准确、及时地制定防治方案和采取相关措施,切实减轻病虫害的发生.于是提出了以Alexnet为基础的农作物病虫识别方法,首先对采集到的病虫和健康叶片图像进行归档分类,然后对建立好的数据集进行尺寸归一化和数据强化等预处理,最后对训练集采用Alexnet模型进行训练,经过 5 次训练,实验证明其准确率可达96.93%,该方法能较好地识别农作物病虫害,具有较好的鲁棒性和较高的精确度.

关键词：

病虫害识别AlexNet图像识别卷积神经网络

分类号：

TP391.41(计算技术、计算机技术)

资助基金：

气候适应型城市重点实验室项目 ( SLSY2019031 ) 商洛学院科研项目 ( 19SKY009 )

论文发表日期：

2024-02-20

在线出版日期：

2024-05-21 （万方平台首次上网日期，不代表论文的发表时间）

页数：

6 ( 554-558,621 )

英文信息

相关知识

农作物病虫害识别进展概述
农作物病虫害识别技术的发展综述
基于深度学习的农作物病虫害识别系统
计算机视觉下的农作物病虫害图像识别研究.pdf
基于 CNN 和迁移学习的农作物病害识别方法研究
基于CNN的番茄叶片病虫害识别技术
基于卷积神经网络的农作物病虫害图像识别研究
基于深度学习技术的农作物病虫害检测识别系统的研究
基于Alexnet的植物病斑识别
基于pytorch搭建AlexNet神经网络用于花类识别

原文链接: 基于AlexNet的农作物病虫害识别研究 https://www.huajiangbk.com/newsview540329.html