《表2 其他单子叶作物的检测精度评价》
如表2所示,大麦的检测精确率、召回率和F1值分别为0.94,0.83和0.88,水稻的检测精确率、召回率和F1值分别为0.89,0.42和0.57,玉米的检测精确率、召回率和F1分别为0.91、0.76和0.83。如图8所示,仅用小麦气孔照片进行训练得到的模型,也可实现对大麦、水稻和玉米等单子叶作物叶片气孔的识别。原因在于卷积神经网络在提取特征时,不仅提取了颜色、形状等单一的特征,而是更为复杂和丰富的抽象结构[15]。
图表编号 | XD00121508500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 孙壮壮、姜东、蔡剑、王笑、周琴、黄梅、戴廷波、曹卫星 |
绘制单位 | 南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生理生态重点开放实验室、南京农业大学农业部小麦区域技术创新中心农业部南方作物生 |
更多格式 | 高清、无水印(增值服务) |