《表3 模型的分类性能：基于深度学习的大豆豆荚类别识别研究》

  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

《基于深度学习的大豆豆荚类别识别研究》

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

采用混淆矩阵分析精确率（Precision）、召回率（Recall）以及F1分数评估Vgg16分类性能。精确度是测试结果中正确部分的百分比，反映模型的准确度。召回率是测试结果的正确部分与实际正确部分的百分比，反映模型的灵敏度。F1分数为精确率与召回率的调和平均值，其取值范围在0到1之间，用于衡量模型总体性能。从图5和表3可以看出，网络模型对各类豆荚识别精确率在95.6%以上，F1-score均值为97.2%模型总体性能良好。综合十折交叉验证和混淆矩阵分析，Vgg16网络模型针对豆荚分类问题具有很好的稳定性和良好的分类性能。表明Vgg16网络模型是对一粒荚、二粒荚、三粒荚、四粒荚识别的最优迁移模型。