在复杂背景下应用迁移学习技术优化木薯叶疾病识别与分析的研究  

作　　者：李振冲 周波 张绿云[1,2] 施龙江 尹世海 

机构地区：[1]广西蚕桑生态学与智能化技术应用重点实验室、河池学院大数据与计算机学院,广西河池546300 [2]广西现代蚕桑丝绸协同创新中心、河池学院大数据与计算机学院,广西河池546300

出　　处：《黑龙江粮食》2024年第6期74-77,共4页

基　　金：广西现代蚕桑丝绸协同创新中心基金资助(编号:2023GXCSSC02);大学生创新创业训练计划项目国家级大创项目(编号:202210605020)。

摘　　要：木薯叶病对木薯作物的生产和质量有重大影响,但传统的深度学习模型难以应对有限的木薯叶病样本。为了解决这一挑战,本文介绍了一种使用迁移学习的方法,该方法使用大型数据集来改进预训练模型,并将其知识转移到木薯叶病小样本的特定特征上。该方法适用于木薯叶病的分类和鉴定。实验数据表明,运用迁移学习技术不仅显著提升了模型的训练效率,而且有效克服了小样本量的限制,从而验证了迁移学习在提高模型性能和泛化能力方面的显著作用。

关 键 词：木薯叶疾病 深度学习 迁移学习 特征提取 图像分类 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] S435.33[农业科学—农业昆虫与害虫防治]