TY -的A2 Van Hulle Marc盟——Sladojevic Srdjan盟——Arsenovic Marko盟——某Andras盟——Culibrk - AU -假摔,达科PY - 2016 DA - 2016/06/22基于TI -深层神经网络识别叶的植物病害图像分类SP - 3289801六世- 2016 AB -最新一代的卷积神经网络(cnn)取得了令人印象深刻的成果领域的图像分类。本文关心的一种新方法,植物病害识别模型的发展,叶片图像分类的基础上,通过使用深卷积网络。新颖的培训方式和使用的方法在实践中促进快速和简单的系统实现。开发模型能够识别13个不同类型的植物疾病健康叶片,与区分植物叶片和周围环境的能力。据我们所知,这植物病害识别方法被首次提出。所有必要的步骤来实现这种疾病识别模型完全描述整个论文中,从收集图片为了创建一个数据库,通过农业专家评估。咖啡,深学习框架由伯克利的视力和学习中心,用于执行深CNN培训。开发模型的实验结果达到精度在91%和98%之间,对于单独的类测试,平均96.3%。SN - 1687 - 5265你2016/3289801 / 10.1155——https://doi.org/10.1155/2016/3289801——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER