基于拉普拉斯图结构的农作物病虫害识别算法

随着人工智能的不断发展,病虫害识别已从人工识别逐渐向着自动化不断转变,不断提高农业生产效率,促进农业智能化发展。目前大多数的基于人工智能的病虫害识别算法是依靠深度学习和全监督非深度的学习算法进行识别,但其存在一定问题,若要获得良好的识别模型,需要使用大量准确的有标签数据进行训练。然而大量的训练样本会造成训练耗时长,其次目前图像标签的获取,大部分情况下依靠人工进行,其效率低,花费高。最后当训练数据数量少时,会造成模型过拟合等问题,造成识别率降低。因此为解决以上问题,本文提出基于拉普拉斯图结构的病虫害识别算法。该算法结合拉普拉斯图结构进行识别,利用较少的有标签的训练集样本进行训练。在AgriculturalDisease数据集上不仅获得了良好的病虫害识别效果,同时也保证了识别的速度。