《表5 识别器的田间测试结果》

  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

《基于深度卷积神经网络的柑橘黄龙病症状识别》

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

M-8f-C识别田间叶片的结果汇总为表5。在智能手机上，M-8f-C对在树上叶片的识别效果比在摄影布上的识别效果好。对树上拍摄的黄龙病和非黄龙病叶片图像的平均F1分值分别为87.2%和82.4%，而在摄影布上拍摄的平均F1分值则分别为68.0%和77.6%，而准确率同样为在树上拍摄的比摄影布上的高。将智能手机拍摄的图像转移到计算机上进行验证的结果表明，在计算机测试的图像识别准确率有所提升。如在计算机上对黑布背景的健康叶和病叶的平均F1分值分别为91.6%和93.1%，在智能手机上对应的平均F1分值分别为77.6%和68.0%，表明同一识别器在计算机上的识别表现明显提高。考虑到构建M-8f-C的训练集图像的种类较多，而图像识别与硬件计算力密切相关，推测这是因为计算机有着更高的计算力所致。此外，在计算机对摄影布背景的黄龙病、非黄龙病叶片图像的准确率（92.4%、92.4%）和平均F1分值（93.1%、91.6%）高于在树上拍摄图像背景的准确率（88.3%、88.3%）和平均F1分值（86.4%、89.8%），这一点与在智能手机上识别结果相反。