关键词plant disease detection
搜索结果 - 3
- 使用自定义数据集的机器学习方法检测拉布拉多豆上的螨虫
通过 JAI FS-1600D-10GE 相机收集在实际环境中的红绿蓝近红外数据,并构建一个 RGBN 数据集,本研究提出了一种用于植物疾病检测的视觉机器学习方法。使用 YOLOv8 和顺序 CNN 的两阶段早期植物疾病检测模型在具有部分标 - 基于图像的西红柿和玉米叶病害检测:一项深度对比实验
本研究基于卷积神经网络 (CNN) 引入一种新颖的植物病害检测模型,用于植物图像分类,对图像分类做出了重要的贡献。创新的训练方法使系统实施变得简化高效。该模型将两种不同的植物病害分类为四个类别,提出了一种新颖的植物病害识别技术。实验结果表明 - 马铃薯病害检测的学习特征和框架分析
通过使用区域卷积神经网络(RCNN)和基于注意力机制的网络,从叶片上的病斑或健康区域学习特征的方式,处理了训练数据分布与测试数据分布不一致所带来的分类器性能问题,测试集上的平均分类准确率约为 95%,在训练阶段未见过的数据集上平均得分为 8