| 摘要: |
| 随着机器学习加速应用于各行各业，卷积神经元网络在农作物病害图片识别领域展现出良好的性能。本文针对传统卷积网络所需样本量大、训练时间长、二次学习困难等问题，实现了一种基于特征的有监督迁移学习，在Inception-V3网络的基础上，使用imageNet固化特征提取层，为目标领域设置特征分类器的方法，在每种病害仅使用20张图片的小样本基础上，实现了对8种不同病害的正确识别，总体识别率达到90.6%，并给出了进一步提升模型性能的方法，以期为小样本农作物病害图片识别提供有益参考。 |
| 关键词: 卷积神经元网络 迁移学习 农作物 病害识别 |
| DOI： |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
