科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对已有的图像处理或卷积神经网络等方法在进行葡萄叶部病害分类时，存在易受病害图像病斑区域大小和复杂背景等影响、不适用于小样本数据集以及在处理高像素的彩色图像数据集时收敛困难等问题，提出一种改进的AlexNet算法，并对葡萄叶部黑腐病、埃斯卡病和褐斑病等3种病害图像及健康叶部图像进行分类识别.在传统AlexNet算法的基础上增加池化层层数对特征进行压缩，去除冗余信息，并选用Leaky ReLU激活函数替换ReLU函数，避免神经元出现“死亡现象”.结果表明，改进的AlexNet算法对葡萄叶部病害的分类准确率达99.1%,明显高于传统AlexNet算法，可为葡萄叶部病害的及时治理提供有效的技术支持.
- 出版日期2023
- 单位武汉轻工大学
