《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》
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。
图表编号 | XD00226870000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.12 |
作者 | 闫壮壮、闫学慧、石嘉、孙凯、虞江林、张战国、胡振邦、蒋鸿蔚、辛大伟、李杨、齐照明、刘春燕、武小霞、陈庆山、朱荣胜 |
绘制单位 | 东北农业大学工程学院、东北农业大学工程学院、东北农业大学工程学院、东北农业大学工程学院、东北农业大学工程学院、东北农业大学文理学院、东北农业大学大豆研究所、东北农业大学大豆研究所、东北农业大学大豆研究所、东北农业大学文理学院、东北农业大学大豆研究所、东北农业大学大豆研究所、东北农业大学大豆研究所、东北农业大学大豆研究所、东北农业大学文理学院 |
更多格式 | 高清、无水印(增值服务) |