基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别

茶树是重要的经济作物,叶部病害的发生直接影响其产量和质量。针对胶囊网络在茶树叶部病害图像识别中识别率低和参数量大的问题,提出了一种基于SENet和深度可分离卷积胶囊网络的茶树叶部病害图像识别算法。首先,由于尚无茶树叶部病害图像标准数据集,构建了茶树叶部病害图像数据集。其次,在胶囊网络中引入深度可分离卷积,并在深度可分离卷积层后加入SENet。实验结果表明,提出算法的识别准确率为94.20%,相同条件下优于其它模型。

机器学习技术在现代农业中的应用

机器学习是人工智能的核心内容之一,其应用已经渗透到了人类社会的各个领域。本文阐述了机器学习的基本概念和基本原理,介绍了几种常用的机器学习方法的基本概念和基本原理。在此基础上,以农业为背景,介绍了机器学习技术在现代农业中的应用。

基于对抗式生成网络的农作物病虫害图像扩充

本文提出一种基于深度卷积对抗式生成网络(Deep convolutional GAN,DCGAN)的农作物病虫害图像生成方法,利用卷积神经网络强大的特征提取能力,提高生成网络的学习效果,生成大量接近真实数据的病虫害图像。实验结果表明,该方法能有效解决病虫害图像数据不足的问题。