《表1 不同分类模型的检测结果》

  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

《基于卷积神经网络模型的大豆花叶病初期高光谱检测》

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

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。