《表5 不同预处理模式的训练结果对比》

  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

《基于卷积神经网络和小样本的茶树病害图像识别》

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

7种模式下模型训练的精度（Accuracy）和损失函数（Loos）曲线见图7。对7种预处理模式分别训练10次，得到表5所示结果。7种预处理模式下，随着迭代次数的不断增加，训练精度都在不断增加，直至趋于稳定。其中，模式7的训练精度达到0.933，明显优于其他6种模式，Loss收敛速度也较快，因此训练结果可靠。由表5可见，模式7的平均测试准确度为90%，明显优于其他6种模式，且标准差也最小。7种模式的训练结果表明:在训练精度曲线中，训练精度大小顺序为模式7>模式4>模式1>模式2>模式6>模式3>模式5；在loss曲线图中，除了模式5和模式6存在跳跃点以外，其他几个模式曲线收敛速度都较快，可信度都比较高。7种模式的平均准确率大小顺序为模式7>模式1>模式2>模式3>模式4>模式6>模式5；在运行时间上，模式1时间长达3 264 s，而其他几种模式都在10 min左右，相差较大的主要原因是模式1中图像尺寸较大。模式7中由于采用图像重建提高样本质量，因而运行时间相对于其他5种模式也增加了约100 s，但相对于常规CNN模型训练耗时较少。因此模式7（主要作用是去除背景提取病斑，形态学处理，最小N×N区域提取和超分辨率重建）在训练精度和平均测试准确率及模型训练耗时方面优势明显。