亚洲成在人线av毛片|夜夜精品视频一区二区|亚洲性网a毛片免费观看|国产一区二区日韩精品影|热久久超碰无码色中文字幕|久久精品二区三区四区日韩|中文字幕一区二区三区精品区|天堂一区二区三区四区免费视频

  • <delect id="yyuww"><th id="yyuww"></th></delect>
  • <code id="yyuww"></code><blockquote id="yyuww"></blockquote>
  • <dl id="yyuww"><strong id="yyuww"></strong></dl>
    <delect id="yyuww"><th id="yyuww"></th></delect>
  • <delect id="yyuww"></delect>
  • 027-87860098

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法

    2023/9/11
    在精準(zhǔn)農(nóng)業(yè)領(lǐng)域,由于錯誤率高、影響因素多、條件不穩(wěn)定等問題,從圖像診斷水稻病害仍然具有挑戰(zhàn)性。傳統(tǒng)的作物病害監(jiān)測方法涉及有損取樣、實(shí)驗室分析和專用儀器,具有破壞性和滯后性。雖然機(jī)器學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)在識別水稻疾病方面顯示出有希望的結(jié)果,但它們解釋疾病特征之間關(guān)系的能力有限。

    在本研究中,作者提出了一種改進(jìn)的水稻疾病分類方法,該方法將卷積神經(jīng)網(wǎng)絡(luò)(CNN)與雙向門控循環(huán)單元(BiGRU)相結(jié)合。具體來說,作者在 Inception 模塊中引入了殘差機(jī)制,擴(kuò)展了模塊的深度,并集成了一個改進(jìn)的卷積塊注意力模塊 (CBAM)。訓(xùn)練并測試了改進(jìn)的CNN和BiGRU,連接CNN和BiGRU模塊的輸出,并將它們傳遞給分類層進(jìn)行識別。實(shí)驗結(jié)果表明,該方法對4種水稻病害的識別準(zhǔn)確率達(dá)到98.21%,為水稻病害識別研究提供了一種可靠的方法。實(shí)驗證明了所提模型的有效性,與其他模型相比,實(shí)驗表明該模型具有更高的精度和更低的成本。

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法
    圖1 改進(jìn)的CNN-BiGRU結(jié)構(gòu)

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法
    圖2 改進(jìn)的CNN模塊的內(nèi)部結(jié)構(gòu)。

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法
    圖3 (a)為原始通道注意力模塊;(b)為改進(jìn)后的通道注意力模塊;(c)是改進(jìn)的CBAM在卷積神經(jīng)網(wǎng)絡(luò)中的集成。

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法
    圖4 改進(jìn)CNN-BiGRU的準(zhǔn)確率和損失率曲線。

    基于改進(jìn)CNN-BiGRU的水稻病害識別方法
    圖5 深度學(xué)習(xí)模型在水稻數(shù)據(jù)集上的表現(xiàn)。

    文獻(xiàn)來源:Lu, Y.; Wu, X.; Liu, P.; Li, H.; Liu, W. Rice disease identification method based on improved CNN-BiGRU. Artificial Intelligence in Agriculture, 2023. https://doi.org/10.1016/j.aiia.2023.08.005.

    临安市| 西藏| 竹北市| 五大连池市| 南郑县| 蒙山县| 南涧| 从江县| 上林县| 永善县| 涡阳县| 新民市| 武宣县| 涞水县| 钦州市| 涞水县| 黑水县| 新巴尔虎左旗| 西昌市| 洪雅县| 凤庆县| 新源县| 赣榆县| 炉霍县| 竹北市| 罗山县| 英山县| 天津市| 炎陵县| 鄯善县| 宁河县| 开封市| 静安区| 大田县| 南雄市| 洮南市| 故城县| 朝阳县| 丽水市| 图片| 双牌县|