TY - JOUR A2 - 仁，金昌AU - 郭焱AU - 张金AU - 阴城新AU - 胡，孝南区AU - 邹宇AU - 薛，志鹏AU - 王，魏PY - 2020 DA - 2020 /08/18 TI - 植物病害鉴定基于对深学习算法的智能农业SP - 2479172 VL - 2020 AB - 植物病害的识别是在复杂的环境下预防植物病害的有效和准确的前提。随着智能农业的快速发展，植物病害的识别变得数字化和数据驱动，支持先进的决策支持，智能分析和规划。本文提出了一种基于深度学习，提高准确性，通用性，以及训练效率植物病害检测与识别的数学模型。首先，区域提案网络（RPN）被用来识别和复杂环境叶片定位。然后，图像分割基于RPN算法的结果中包含的通过赞Vese（CV）算法症状的特征。最后，分段叶子被输入到迁移学习模型和病叶简单的背景下，该数据集的培训。此外，模型检查与黑腐病，菌斑，和锈病。结果表明，该方法的准确度是83.57％，这比传统的方法更好，从而减少对农业生产的疾病的影响，是有利于农业的可持续发展。因此，本文提出的深学习算法的智能农业，生态保护，农业生产具有重要意义。 SN - 1026-0226 UR - https://doi.org/10.1155/2020/2479172 DO - 10.1155/2020/2479172 JF - Discrete Dynamics in Nature and Society PB - Hindawi KW - ER -