作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在玉米生长初期,不能及时知道玉米所患病害从而无法及时医治,将导致玉米产量和质量下降.而人工分辨玉米病害耗费大量人力和时间,判断准确率也不高.因此文章提出了基于卷积神经网络的玉米病害识别模型,模型主要有12个网络层,其中包含输入层、4个卷积层、4个池化层、2个全连接层和输出层.通过调整参数和模型优化等操作,最终分类准确率在95%左右.模型具有一定的实际意义,可为玉米病害防治提供理论依据.
推荐文章
基于卷积神经网络的玉米病害小样本识别研究
玉米病害
迁移学习
小样本
卷积神经网络
Focal Loss
混淆矩阵
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
基于改进卷积神经网络的手势识别
改进卷积神经网络
手势识别
准确率
图像处理
过拟合
Dropout
基于卷积神经网络的车牌识别
卷积神经网络
车牌识别
模型训练
权值共享
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的玉米病害识别
来源期刊 现代信息科技 学科
关键词 玉米 卷积神经网络 模型 病害
年,卷(期) 2021,(9) 所属期刊栏目 信息技术|Information Technology
研究方向 页码范围 6-9
页数 4页 分类号 TP183|TP391.4
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2021.09.002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (184)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(7)
  • 参考文献(0)
  • 二级参考文献(7)
2017(11)
  • 参考文献(0)
  • 二级参考文献(11)
2018(15)
  • 参考文献(0)
  • 二级参考文献(15)
2019(11)
  • 参考文献(1)
  • 二级参考文献(10)
2020(3)
  • 参考文献(1)
  • 二级参考文献(2)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
玉米
卷积神经网络
模型
病害
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导