《表5 Dense Net169对测试集分类预测的混淆矩阵》
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。
图表编号 | XD00192745300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.18 |
作者 | 赵奇慧、李莉、张淼、蓝天、SIGRIMIS N A |
绘制单位 | 中国农业大学农业农村部农业信息获取技术农业农村部重点实验室、中国农业大学农业农村部农业信息获取技术农业农村部重点实验室、中国农业大学农业农村部农业信息获取技术农业农村部重点实验室、中国农业大学现代精细农业系统集成研究教育部重点实验室、雅典农业大学农业工程系 |
更多格式 | 高清、无水印(增值服务) |