摘要：为更好地识别病变图像,提出基于卷积网络和时变冲量学习的苹果病变图像识别方法。引入卷积、采样算子,通过基于时变冲量的参数训练过程实现网络自我优化,自动提取果园物联网传感器采集的果体图像病变特征,并对病变类别予以识别。实验结果显示,与浅层学习方法及深度学习方法相比,该方法识别性能优势明显,正确率为97.45%,收敛速度快,并能维持较好的后期稳定性,对于不同基准数据集有较好的泛化能力。

原文链接:http://www.cqvip.com//QK/95200X/201512/666949458.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）