《表2 模型的识别精度：基于迁移学习的卷积神经网络玉米病害图像识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于迁移学习的卷积神经网络玉米病害图像识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

为了便于应用，用Python将脚本程序开发成图形用户界面，为扩大待检测玉米病害图像的来源，设计了3种图像来源方式，分别为:用requests库通过输入的网址爬取网络图像、用PyQt5库中的文件选择功能选取本地图像以及通过OpenCV库调用摄像头拍摄的图像。在界面中选择训练好的模型以及通过上述3种方式获取的玉米病害图像，载入待检测的图像即可进行检测。现选择迁移学习训练全部层训练的模型，选择1幅玉米大斑病图像进行检测，结果显示图像为大斑病的概率为99.87%，如图8a所示。再选择1幅玉米锈病图像进行检测，结果显示图像为锈病的概率为100%，如图8b所示。为检验模型的识别精度与泛化能力，从网络搜集3种病害图像各50幅，3种图像的查准率与查全率如表2所示，平均查准率与查全率分别为93.42%与93.33%，结果表明通过迁移学习训练全部层训练的模型具有较好的应用效果。