科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统芒果病虫害防治，需要人工进行识别，现引入深度学习技术，可快速准确地对芒果病虫害进行识别。以攀西地区芒果的12种病虫害为研究对象，采用的数据集一部分来自公开数据集MangoLeafBD,另一部分由爬虫技术获得的网络图片组成，共获取图片6 769张，其中4 879张为训练集，1 220张为验证集，670张为测试集。为迎合实际应用的需要，选择了MobileNetV3、MobileViT等4种不同规模的轻量级深度学习网络模型，结合迁移学习训练策略进行对比实验，比较了各个模型的参数量、精确率、召回率等参数。实验结果显示，MobileViT模型用于芒果病虫害分类识别效果最佳，该模型的精确率为96.31%,召回率为96.12%,F1为96.20%,均优于其他模型。由此表明，模型具有较好的鲁棒性和识别性能，可为芒果病虫害分类识别提供技术参考。
- 单位
