《表1 测试集识别分类结果》

  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

《一种基于卷积神经网络的小麦病害识别方法》

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

选取800幅小麦病害图像，其中500幅为训练样本，300幅为测试样本，采用本研究提出的方法进行识别，测试集识别分类结果如表1所示。可以看出，条锈病、叶锈病、赤霉病和白粉病识别准确率达到100%，主要是因为这四种病害的颜色、纹理特征较为明显，易于正确识别。而纹枯病和秆锈病的形状、颜色和纹理特征不明显，在实际生成过程中不易完全区分，出现了极少数错误，识别准确率均为98%。与传统的识别方法相比，基于卷积神经网络的小麦病害识别整体准确率达99.3%，能获得理想的分类效果，为小麦叶部常见病害的快速准确诊断提供了有效的分析手段。