Mar, 2024
SugarcaneNet2024：一种用于甘蔗病害分类的优化加权平均集成方法：基于 LASSO 正则化的预训练模型
SugarcaneNet2024: An Optimized Weighted Average Ensemble Approach of LASSO Regularized Pre-trained Models for Sugarcane Disease Classification
Md. Simul Hasan Talukder, Sharmin Akter, Abdullah Hafez Nur
TL;DR通过叶片图像处理，我们提出了一个名为 sugarcaneNet2024 的独特模型，该模型在自动快速检测甘蔗病害方面优于以往的方法。通过优化加权平均集成七个定制和 LASSO 正则化的预训练模型，尤其是 InceptionV3、InceptionResNetV2、DenseNet201、DenseNet169、Xception 和 ResNet152V2，并加入了多层 dropout 和批归一化，该模型的准确性得到了大幅提高。最终通过实施优化加权平均集成技术与网格搜索相结合，该 sugarcaneNet2024 模型实现了 99.67% 的准确率、100% 的精确度、100% 的召回率和 100% 的 F1 得分，是目前检测甘蔗病害效果最好的模型。