期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于综合判别特征学习和中层特征监督的农作物病害识别
1
作者
杜海顺
安文昊
+1 位作者
张春海
周毅
《江苏农业科学》
北大核心
2025年第14期208-216,共9页
准确识别农作物病害有助于提高农作物的产量和质量,促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析,且对病害的细节信息关注不足。为了有效利用深度神经网络提取...
准确识别农作物病害有助于提高农作物的产量和质量,促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析,且对病害的细节信息关注不足。为了有效利用深度神经网络提取的不同层次的特征来更准确地识别农作物病害,提出了一种基于综合判别特征学习和中层特征监督的农作物病害识别网络。具体地,该网络由1个主干ResNet50、1个综合判别特征学习模块以及1个中层特征监督分支组成。其中,主干ResNet50负责提取农作物病害图像的浅层、中层以及深层特征;综合判别特征学习模块通过对主干ResNet50提取的不同层次的特征进行分析与综合,得到综合判别特征;中层特征监督分支用于确保含有丰富细节信息的中层特征的判别力。在公共农作物病害数据集AIchallenger2018和Cassava以及自制农作物病害数据集RCP-Crops上,所提出网络识别准确率分别达89.76%、87.95%、98.19%,F1分数分别达89.57%、87.77%、98.18%。
展开更多
关键词
农作物
病害识别
综合判别特征学习
中层
特征
监督
卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于综合判别特征学习和中层特征监督的农作物病害识别
1
作者
杜海顺
安文昊
张春海
周毅
机构
河南大学人工智能学院
河南省车联网协同技术国际联合实验室
出处
《江苏农业科学》
北大核心
2025年第14期208-216,共9页
基金
国家自然科学基金(编号:62176088)
河南省科技发展计划(编号:222102110135)。
文摘
准确识别农作物病害有助于提高农作物的产量和质量,促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析,且对病害的细节信息关注不足。为了有效利用深度神经网络提取的不同层次的特征来更准确地识别农作物病害,提出了一种基于综合判别特征学习和中层特征监督的农作物病害识别网络。具体地,该网络由1个主干ResNet50、1个综合判别特征学习模块以及1个中层特征监督分支组成。其中,主干ResNet50负责提取农作物病害图像的浅层、中层以及深层特征;综合判别特征学习模块通过对主干ResNet50提取的不同层次的特征进行分析与综合,得到综合判别特征;中层特征监督分支用于确保含有丰富细节信息的中层特征的判别力。在公共农作物病害数据集AIchallenger2018和Cassava以及自制农作物病害数据集RCP-Crops上,所提出网络识别准确率分别达89.76%、87.95%、98.19%,F1分数分别达89.57%、87.77%、98.18%。
关键词
农作物
病害识别
综合判别特征学习
中层
特征
监督
卷积神经网络
分类号
S126 [农业科学—农业基础科学]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于综合判别特征学习和中层特征监督的农作物病害识别
杜海顺
安文昊
张春海
周毅
《江苏农业科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
