《表1 其他叶部病害标定：双通道卷积神经网络在南瓜病害识别上的应用》
提示：宽带有限、当前游客访问压缩模式
南瓜白粉病与霜霉病对应的聚类分割、形态学运算及病斑采样区标定结果如表1所示，结果表明上述算法流程对于这两种病害的病斑采样区标定同样具有良好的适用性。
| 图表编号 | XD00201585700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.01 |
| 作者 | 王昌龙、张远东、缪宏、杨煜恒 |
| 绘制单位 | 扬州大学机械工程学院、扬州大学机械工程学院、扬州大学机械工程学院、东南大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 玉米叶部病害分割结果对比》2020.10.01
- 《表1 数据集分组：基于卷积神经网络的农作物叶片病害诊断》2021.03.15
- 《表3 不同模型训练结果：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表1 实验数据集分类：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表2 模型参数：基于迁移学习的园艺作物叶部病害识别及应用》2021.03.05
- 《表4 疲劳检测结果：基于卷积循环神经网络的桃树叶部病害图像识别》2020.12.01
- 《表3 方案二实验数据：改进Multi-scale ResNet的蔬菜叶部病害识别》2020.10.01
- 《表3 识别率混淆矩阵：基于核相互子空间法的番茄叶部病害快速识别模型》2020.09.30
- 《表2 干扰物特征：图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用》2021.03.28
- 《表5 图像增广方法：图像数据处理机制在沥青道路裂缝病害识别算法训练中的应用》2021.03.28
- 《表2 葡萄病害分级标准：有机肥和生物制剂在葡萄生产上的联合应用效果》2020.06.01
- 《表2 模型的识别精度：基于迁移学习的卷积神经网络玉米病害图像识别》2020.02.25
- 《表1 农作物病害训练集：基于卷积神经网络的农作物病害识别》2019.06.25
- 《表2 田间病害调查结果：绿色木霉菌微生物菌剂在番茄上的应用效果试验》2019.09.01
- 《表2 不同核函数对比：机器学习在桥梁病害检测识别中的研究应用进展》2019.09.01
- 《表4 试验平台搭建：基于卷积神经网络和小样本的茶树病害图像识别》2019.02.28
- 《表1 水稻病害特征描述：基于深度卷积神经网络的水稻病害图像识别研究》2019.03.01
- 《表4 基于纹理特征的番茄叶部病害识别模型的准确率和特征提取时间》2019.04.25
- 《表5 融合颜色与纹理特征的番茄叶部病害识别模型的准确率》2019.04.25
- 《表1 玉米叶部病害防治方法》2018.04.10