《表1 不同分类模型的检测结果》
LS-SVW:最小二乘支持向量机;ELM:极限学习机;CNN:卷积神经网络。
本文的CNN模型建立了2个卷积层,其中第1层共32个卷积核,大小为7×7,第2层共64个卷积核,大小为5×5。池化层大小为4×4,选用最大池化单元,激活函数采用修正线性单元ReLu。SVM中学习参数为C=10,ξ=0.001,核函数中的惩罚因子c和核函数参数γ均为默认参数。ELM模型选用sigmoid做隐含层的激励函数,结点初始化个数为15,以4为周期增加,采用交叉验证方法对其优化,得出最佳节点个数为35。3种分类模型的分类结果如表1所示。可以看出,大豆花叶病害的CNN模型训练集正确率为94.79%,预测集正确率达到92.08%,无论是不同种类大豆样本集的识别率,还是总体数据集的识别率,CNN模型的识别率都比LS-SVM和ELM的高。
图表编号 | XD0062966900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 桂江生、吴子娴、李凯 |
绘制单位 | 浙江理工大学信息学院、南京农业大学农学院、浙江理工大学信息学院、南京农业大学农学院 |
更多格式 | 高清、无水印(增值服务) |