今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于深度学习的柑橘植物病虫害分类方法,采用一种计算效率高的卷积神经网络(CNN)模型

《Scientific Reports》:Deep learning-based citrus plant disease classification using a computationally efficient CNN model

【字体: 大 中 小 】 时间:2026年04月28日 来源:Scientific Reports 3.9

编辑推荐:

   摘要 最近在特定领域分类方法方面的进展表明,与传统的机器学习技术相比,深度学习的表现非常出色。本研究开发了一种计算效率高的卷积神经网络(CNN)模型,专门用于柑橘植物病害的分类,其性能可与预训练的InceptionV3模型相媲美。该模型采用五个层次的架构,利用

  

摘要

最近在特定领域分类方法方面的进展表明,与传统的机器学习技术相比,深度学习的表现非常出色。本研究开发了一种计算效率高的卷积神经网络(CNN)模型,专门用于柑橘植物病害的分类,其性能可与预训练的InceptionV3模型相媲美。该模型采用五个层次的架构,利用从印度北部柑橘园收集的图像将柑橘植物病害分为健康和患病两类。此外,还使用来自GitHub和Kaggle数据库的图像对模型进行了进一步验证。所提出的方法在准确性和计算效率方面均超越了传统的机器学习方法,分类准确率达到了92.59%。与InceptionV3模型相比,所提出的CNN AgriVision-L5模型的训练时间减少了50%,这充分体现了其计算效率的优越性。该方法在植物病害管理和可持续农业领域取得了显著进展,符合可持续发展目标(SDG2、SDG9和SDG12)的要求。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:卷积神经网络|柑橘植物病害分类|AgriVision-L5模型|高分类准确率|计算效率优化|可持续发展目标

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号