《表1 38种害虫测试样本细节和不同方法下的害虫识别准确率》
试验使用的9 072幅害虫图像全部来源于所建立的样本库。首先使用Python脚本语句对原始图像进行随机旋转角度、随机缩放原图、镜像等操作扩充样本数量至原来的3倍,然后分别从各类别中随机抽取60%图像样本构建训练集,20%作为验证集,剩余20%作为测试集。测试样本具体信息及识别结果如表1所示。试验中,改进残差网络的深度为28层,超参数α和β分别初始化为0和1,学习速率η为0.001;使用Block-cg算法训练网络时,每个批次训练64幅图像,最大迭代次数为2 000次。
图表编号 | XD0055593300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.25 |
作者 | 陈娟、陈良勇、王生生、赵慧颖、温长吉 |
绘制单位 | 吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林农业大学信息技术学院 |
更多格式 | 高清、无水印(增值服务) |