【期刊信息】

Message

刊名:植物学报
曾用名:植物学通报
主办:中国科学院植物研究所;中国植物学会
主管:中国科学院
ISSN:1674-3466
CN:11-5705/Q
语言:中文
周期:双月
影响因子:1.422857
被引频次:190718
数据库收录:
中文核心期刊(2017);SCI科学引文索引(2014);统计源期刊(2018);CSCD中国科学引文库(2019-2020);期刊分类:林业

现在的位置:主页 > 期刊导读 >

植物保护论文_基于轻量级残差网络的植物叶片病

来源:植物学报 【在线投稿】 栏目:期刊导读 时间:2022-01-27

作者:网站采编

关键词:

【摘要】文章摘要:针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多,计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物

文章摘要:针对基于卷积神经网络的植物叶片病害识别方法存在网络参数众多,计算量大且复杂的问题,结合植物叶片病害特征,提出了一种基于轻量级残差网络(Scale-Down ResNet)的植物叶片病害识别方法。网络基于Residual Network(ResNet),通过缩减网络卷积核数目和轻量级残差模块(SD-BLOCK),在大幅减少网络参数、降低计算复杂度的同时保持了低识别错误率,然后加Squeeze-and-Excitation模块进一步降低识别错误率。在PlantVillage数据集上实验表明,在网络参数量0.08M,计算量55MFLOPs的情况下,模型识别错误率为0.55%。当参数量达到0.28M,计算量176MFLOPs时,模型识别错误率为0.32%,低于ResNet-18,并且参数约为其1/39,计算量约为其1/10。相比MobileNet V3和ShuffleNet V2,所提网络模型更为轻量,识别错误率更低。同时网络在自建苹果叶片病害数据集上获得了1.52%的低识别错误率。

文章关键词:

项目基金:


文章来源:《植物学报》 网址: http://www.zwxbzz.cn/qikandaodu/2022/0127/2028.html


上一篇:畜牧与动物医学论文_饲用天然植物活性功能组分
下一篇:园艺论文_水杨酸对盐胁迫下黄瓜种子萌发和幼苗

Copyright © 2018 《植物学报》杂志社 版权所有
投稿电话: 投稿邮箱: