《表4 3种类型叶片分割精度》

  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

《基于迁移学习的温室番茄叶片水分胁迫诊断方法》

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

由图9可看出，使用MSCOCO的预训练模型的权重，仅训练分割网络的全连接层，当训练周期数由0次逐渐增加到60次，训练集损失函数值由1.25降至0.19，测试集的损失函数值由0.98降至0.31，此时，该网络实现了不同水分胁迫情况下番茄叶片的目标检测和分割。通过数据分析，从图9整体来看，随训练周期数不断增加，训练集和测试集分类误差基本呈逐渐降低趋势，损失函数值随着训练周期数的增加基本收敛到一个稳定值，显示出Mask R CNN网络对叶片的分割基本达到了预期效果。表4为3种类型叶片的分割精度。