《表2 不同模型在各测试集上的识别结果》

  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

《反卷积引导的番茄叶部病害识别及病斑分割模型》

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

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。