《表4 网络模型性能比较：农作物图像特征提取技术及其在病害诊断中的应用》

  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

《农作物图像特征提取技术及其在病害诊断中的应用》

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

重新随机选取健康植株叶片区域30个样本，另随机选取大豆3类病种各30个样本，共计120个大豆叶片样本。利用训练好的病害植株识别网络和病害种类诊断网络，首先进行病害植株识别，然后对于染病植株样本再进行病害种类诊断。其中从大豆病害植株识别效果来看，神经网络的实际输出值和期望输出值的误差很小，准确率达到100%；病害种类诊断结果仅出现了3处错误的诊断结果，准确率为97.5%，因此此方法是一种较为理想的大豆病害诊断模型。统计病害植株识别网络和病害种类诊断网络，进行大豆病害自动诊断的网络模型性能，如表4所示。