《表5 Dense Net169对测试集分类预测的混淆矩阵》

  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

VGG 19、Alex Net和Dense Net169这3种类型的卷积神经网络在训练集和测试集的损失函数值变化对比如图11所示，仅训练分类网络的全连接层，当训练周期数由0逐渐增加到20，Dense Net169训练集的损失函数值由0.54降至0.06。测试集和训练集损失函数值随着训练周期数的增加，平稳下降，在15个周期之后，损失函数值变化不大，趋向于平稳。测试集损失函数值由0.32降至0.07，此时，该网络实现了不同水分胁迫番茄叶片的分类。通过数据分析，由图11可知，随训练周期数的不断增加，训练集和测试集的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增加基本收敛到一个稳定值，显示出Dense Net169网络对叶片的分类基本达到了预期效果。表5为Dense Net169对测试集分类预测的混淆矩阵。