如需要完整文档点击下方 "点击下载文档" 按钮

番茄病虫害是引起番茄减产的重要因素。精确识别病虫害种类是当前国际热点问题之一，有助于及时有效采取针对性的病虫防治办法，减少和避免因番茄减产导致的经济损失。针对传统虫害识别方法存在效率和精确率低的问题，利用Kaggle网站上的Tomato数据集，构建基于压缩和激励（SE）模块的深度残差网络模型（ResNet），优化番茄病虫害识别方法。结果表明：通过Pytorch框架下的迁移学习，改进后的网络模型对番茄病虫害图像的平均识别准确率最高为97.96%；基于SE模块的ResNet网络模型有助于增强特征区分能力，增加模型的通用性和鲁棒性。研究结果对番茄病虫害的及时监测和处理、提高番茄产量具有重要意义。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于SE模块和ResNet的番茄病虫害识别方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：078534

点击下载文档