《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》
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。
图表编号 | XD0033769700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.20 |
作者 | 马晓丹、朱可心、关海鸥、冯佳睿、刘梦、郑明 |
绘制单位 | 黑龙江八一农垦大学电气与信息学院、黑龙江八一农垦大学电气与信息学院、黑龙江八一农垦大学电气与信息学院、黑龙江八一农垦大学电气与信息学院、黑龙江八一农垦大学电气与信息学院、黑龙江八一农垦大学电气与信息学院 |
更多格式 | 高清、无水印(增值服务) |