为了实时地预警果蔬病害和辅助诊断果蔬疾病,实现无人值守的病虫害智能监控,减少人为干预,设计了深度学习网络的果蔬果体病理图像识别方法,基于对网络误差的传播分析,提出弹性动量的参数学习方法,以苹果为例进行果体病理图像的识别试验。结果表明,该方法召回率为98.2%;同其它同源更新机制相比,弹性动量方案能显著改善学习网络的准确率;其收敛曲线平滑,5个时间单位实现收敛,对不同数据集也有良好泛化性能。
科研之友
微信
新浪微博
Facebook
分享链接
