论文部分内容阅读
为提高番茄病害预测预报的时效性和准确率,以DSSD算法为基础,运用番茄病害叶片数据集,采用K-means算法、手肘法与AlexNet、Inception-V3和ResNet101等基础网络模型相结合,构建基于DSSD的番茄病害小目标检测识别方法。结果表明:该检测识别方法识别率达86%,较原始先验框选取方法检测精度提高13.7%;可解决因数据量小而产生的精确度低的问题,有助于在番茄发病初期症状不明显时提早发现病情。