针对以实验室采集的纯色背景数据集进行训练的神经网络模型的鲁棒性和抗干扰能力存在一定局限性，以及模型参数量太大的问题，论文设计了自然背景下轻量化的农作物病害自动识别算法。算法以深度可分离卷积替代基本卷积，改进了VGG16的基本网络单元，并加入了dropout操作，搭建轻量化的神经网络模型。实验结果显示算法在识别效率和参数轻量化方面均有较明显的优势，更适合在生产实践中部署使用。
科研之友
微信
新浪微博
Facebook
分享链接
