文献类型：期刊文章

作　　者：侯志松[1,2] 冀金泉[2] 李国厚[2] 焦红伟[3] 王良[2]

HOU Zhisong;JI Jinquan;LI Guohou;JIAO Hongwei;WANG Liang(School of Computer Science and Technology, Xidian University, Xi’an 710126, China;School of Information Engineering, Henan Institute of Science and Technology, Xinxiang, Henan 453003, China;School of Mathematical Science, Henan Institute of Science and Technology, Xinxiang, Henan 453003, China)

机构地区：[1]西安电子科技大学计算机科学与技术学院,西安710126 [2]河南科技学院信息工程学院,河南新乡453003 [3]河南科技学院数学科学学院,河南新乡453003

出　　处：《中国科技论文》

基　　金：国家自然科学基金资助项目(11871196);产学合作协同育人项目(201901225003);河南省科技攻关项目(202102210385)。

年　　份：2021

卷　　号：16

期　　号：7

起止页码：708-714

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、UPD、核心刊

摘　　要：为提高包含复杂背景信息的作物病害图像的识别准确率,解决作物病害数据集样本较少而出现的模型训练过拟合问题,提出了一种基于集成学习与迁移学习方法的作物病害图像识别算法。该算法首先在公开数据集上完成模型预训练,其次通过任务域迁移和特征空间迁移,解决农作物病害图像识别问题;进而重构集成学习中的投票机制算法,提升模型对复杂图像的识别能力。实验结果表明,该算法识别准确率为98.324%,可较好地实现对复杂背景信息图像的准确识别。

关 键 词：集成学习  迁移学习  深度学习  病害识别

分 类 号：TP391.4]