BriefGPT - AI 论文速递
·
抓拍与诊断：一种先进的多模态检索系统用于识别野生植物疾痠
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本研究使用卷积神经网络开发了新的植物病害检测模型，准确率分别为95.08%和92.21%。通过引入额外层、跳跃连接和正则化等方法，综合应用多种模型实现了对所有玉米和番茄图像的检测，验证准确率为84.42%。
🎯
关键要点
- 本研究基于卷积神经网络(CNN)开发了一种新颖的植物病害检测模型。
- 该模型对植物图像分类做出了重要贡献，分类为四个类别。
- 实验结果显示，Xception模型在番茄和玉米数据集上的准确率分别为95.08%和92.21%。
- CNN结合批归一化实现了约99.89%的训练集病害检测率和超过97.52%的验证准确率。
- 模型引入了额外层、跳跃连接和正则化，综合应用多种模型进行检测。
- 所有玉米和番茄图像的验证准确率为84.42%。
➡️
