基于ResNet網(wǎng)絡(luò)模型的番茄病蟲害識別方法

打開文本圖片集

摘要：針對番茄病蟲害在自然情況下的人為識別準(zhǔn)確率低、耗時長和成本高的缺點，文章提出了使用基于ResNet神經(jīng)網(wǎng)絡(luò)模型的深度學(xué)習(xí)技術(shù)來實現(xiàn)對常見的11種番茄病蟲害的識別和分類，并通過使用Grad-CAM算法，將ResNet模型學(xué)習(xí)到的各番茄病蟲害的圖像特征進(jìn)行了可視化處理。實驗結(jié)果表明，ResNet神經(jīng)網(wǎng)絡(luò)模型對于常見的11種番茄病蟲害的識別準(zhǔn)確率達(dá)到了94.54%，證明了該網(wǎng)絡(luò)模型在番茄病蟲害識別和分類任務(wù)上的可行性。（剩余5803字）