基于MobileNet-v3与CNN进行垃圾分类

由于垃圾种类较多,颜色与形状差异大,选用人工分拣垃圾分类存在着非常大的困难,劳动力不足,工作量大,缺乏精准度。文章以MobileNet-V3small网络算法为基础,对垃圾图像进行准确识别和分类,达到速度快、准确度高,借助CNN模型进行光谱特征分析并分类。通过自动化分拣垃圾,实现垃圾分类,大大降低了人工投入量,提高垃圾分类效率。

基于CNN与特征优选对农作物病虫害识别

农业是中国的第一产业,是国家经济的重要支撑,也是国民经济发展社会进步的基础。但是,由于农作物的病虫害问题,导致农业生产总值大大降低。并且运用传统方法进行农作物识别分类难度巨大。同时近些年计算机算法的快速发展,卷积神经网络技术逐渐被运用在农作物病虫害分类领域。因此本文通过特征优选与卷积神经网络结合进行病虫害分析识别,从而提高病虫害分类精准度,从而采取防治措施降低农作物病虫害对农作物造成的损失。