TY -非盟的田,豫农非盟-杨,成国栋AU -王,哲AU -李,在非盟-梁,Zize PY - 2019 DA - 2019/04/08 TI -检测苹果病变果园CycleGAN基于深度学习方法和YOLOV3-Dense SP - 7630926六世- 2019 AB -植物病害是作物产量降低的主要原因之一。随着计算机视觉和深度学习的发展技术,自动检测植物表面损伤图像采集的光学传感器已经成为及时作物疾病诊断的一个重要研究方向。在这篇文章中,一个炭疽病损伤检测方法提出了基于深度学习。首先,图像数据不足的问题由于苹果疾病的随机事件,除了传统的图像增强技术,Cycle-Consistent对抗网络(CycleGAN)学习本文模型是用于完成数据增大。这些方法有效地丰富训练数据的多样性,为培训提供一个坚实的基础的检测模型。本文图像数据的基础上,紧密连接神经网络(DenseNet)是利用优化功能层YOLO-V3模型的分辨率较低。DenseNet大大提高了利用神经网络的功能,提高了检测的结果YOLO-V3模型。实验证明,改进的模型超过快R-CNN VGG16网,原YOLO-V3模型,和其他三个检测性能最先进的网络,它可以实现实时检测。该方法可以应用于检测的炭疽病病变在果园苹果表面。SN - 1687 - 725 - 2019/7630926 / 10.1155 x你——https://doi.org/10.1155/2019/7630926——摩根富林明——《传感器PB - Hindawi KW - ER