《表2 不同模型在各测试集上的识别结果》
本研究选择VGGNet的第36轮模型、DGVGGNet-5的第44轮模型、DGVGGNet-45的第27轮模型、孙俊等[6]的74轮模型和许景辉等[7]的第42轮模型为最终测试模型,并在原测试集以及7个增强后的测试集上进行测试,在各测试集上的识别准确率如表2所示。其中,DGVGGNet-45在亮度较暗的情况有明显优势。DGVGGNet-9模型识别效果较差甚至低于VGGNet,这是因为有些病斑比较相似,一类病斑在不同阶段也会有不同的表现形式,所以每类病害只使用一张病斑标注训练反卷积时,特征提取网络会过于关注某种病害特征。孙俊等[6]不使用预训练参数,训练样本比例较小会影响模型的识别效果。
图表编号 | XD00167881000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 任守纲、贾馥玮、顾兴健、袁培森、薛卫、徐焕良 |
绘制单位 | 南京农业大学信息科技学院、国家信息农业工程技术中心、江苏省物联网技术与应用协同创新中心、南京农业大学信息科技学院、南京农业大学信息科技学院、南京农业大学信息科技学院、南京农业大学信息科技学院、南京农业大学信息科技学院 |
更多格式 | 高清、无水印(增值服务) |