排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
为探索深度学习技术在烟叶图像上的特征提取效果,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)模型的烟叶等级分类方法,并对模型关注的烟叶特征进行了可视化分析。通过图像预处理得到高分辨率的局部烟叶图像,以弥补全局烟叶图像缩放后导致烟叶细节信息丢失;利用改进的CNN模型VGG-16和ResNet-50分别提取烟叶全局和局部图像特征;构建分类器对烟叶全局和局部图像的特征向量进行分类和结果融合;采用类别激活图(Class Activation Map,CAM)技术绘制模型关注烟叶特征的热力图。结果表明:提出的方法对6个等级的烟叶分级准确率达到84.71%,单张烟叶图像测试时间为17.87 ms;特征热力图显示ResNet-50模型对烟叶病斑、皱褶、主脉和纹理走势等局部特征较为敏感。该方法可为实现烟叶快速、准确分级提供支持。 相似文献
1