为提高包含复杂背景信息的作物病害图像的识别准确率,解决作物病害数据集样本较少而出现的模型训练过拟合问题,提出了一种基于集成学习与迁移学习方法的作物病害图像识别算法。该算法首先在公开数据集上完成模型预训练,其次通过任务域迁移和特征空间迁移,解决农作物病害图像识别问题;进而重构集成学习中的投票机制算法,提升模型对复杂图像的识别能力。实验结果表明,该算法识别准确率为98.324%,可较好地实现对复杂背景信息图像的准确识别。
科研之友
微信
新浪微博
Facebook
分享链接
