基于深度學(xué)習(xí)的番茄葉部病害識(shí)別方法研究

打開(kāi)文本圖片集

摘要 在深度學(xué)習(xí)中，番茄葉部病害圖像識(shí)別模型往往采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)，雖然識(shí)別率高、性能好，但存在參數(shù)量大、成本高、訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題，在硬件資源受限的環(huán)境條件下局限性較大，難以部署到移動(dòng)設(shè)備、嵌入式設(shè)備等終端。基于此，在ResNet18的主體結(jié)構(gòu)上，通過(guò)增加特征提取尺度、更新殘差層連接方式、分解大卷積核等操作，采用了一種改進(jìn)型的病害識(shí)別模型——Multi-scale ResNet。（剩余4137字）