论文部分内容阅读
针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-Dense Net,旨在对多种类的植物病害图像达到高精准的识别准确率。引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本。FI-Dense Net网络可以增强特征传递、进行深层训练或有效改善过拟合问题。采用的数据集有87867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害。对图像进行预处理、数据增强后,将Dense N