BriefGPT - AI 论文速递
·
小数据深度学习方法在田间病害检测中的应用
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于卷积神经网络的植物病害检测模型，简化了植物图像分类。通过创新训练方法，Xception模型在番茄和玉米数据集上表现优异，准确率分别为95.08%和92.21%。结合批归一化，训练集检测率达99.89%，验证准确率超97.52%。引入额外层、跳跃连接和正则化提升了性能，综合应用多种模型实现84.42%的验证准确率。
🎯
关键要点
- 本研究提出了一种基于卷积神经网络的植物病害检测模型，简化了植物图像分类。
- 创新训练方法使Xception模型在番茄和玉米数据集上分别获得了95.08%和92.21%的准确率。
- 结合批归一化，训练集检测率达99.89%，验证准确率超97.52%。
- 引入额外层、跳跃连接和正则化提升了模型性能。
- 综合应用多种模型实现了84.42%的验证准确率。
➡️
