设计应用

基于CNN的智慧农场图像分类方法

作者：杨诒斌1，2，王俊强1，2，柴世豪1
发布日期：2023-05-08
来源：2023年电子技术应用第4期

0　引言

卷积神经网络和迁移学习或数据增强已被应用于自动可靠地对农场果蔬图像进行识别与定位。赵立新等人也将这些方法应用于农业生产中农作物病虫害识别技术，以提高分类精度。目前，SENet也广泛应用于多个领域。刘学平等在基于YOLOv3模型的特征提取中加入了SENet，改良了传统YOLOv3将图像背景识别为工件的情况，模型查全率得到有效提升。蔡伟龙等提出了一种将SENet和多头自注意力相结合的关系抽取模型，对卷积通道进行注意力加权机制以解决远程监督的噪声，检测速度和准确性获得了很大的提高。

本文介绍了一种新的混合模型，该模型将CNN与SENet分类器相结合，采用迁移学习和数据增强以优化性能，同时降低训练数据要求。经过比较实验，混合模型将MobileNet与SENet相结合，前者在4个CNN中具有最高的分类准确性。实验表明，所提技术对农场物种的分类性能良好。



本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005279




作者信息：

杨诒斌1，2，王俊强1，2，柴世豪1

（1.中北大学 仪器与电子学院，  山西 太原 030051；2.中北大学 前沿交叉科学研究院， 山西 太原 030051）


微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
深度学习 卷积神经网络 数据增强 迁移学习

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2