首页> 中文期刊> 《电子科技大学学报》 >ECA-SKNet:玉米单倍体种子的卷积神经网络识别模型

ECA-SKNet:玉米单倍体种子的卷积神经网络识别模型

         

摘要

采用3000张玉米种子图像进行基于卷积神经网络的玉米单倍体种子识别,包含1230张单倍体玉米种子图像和1770张二倍体玉米种子图像。为对比不同卷积神经网络模型在单倍体玉米种子识别的效果,使用VGG、ResNet、DenseNet和SKNet等经典模型,并对SKNet模型进行改进,将其降维升维全连接层设计为一维卷积以降低模型参数数量,改进后的SKNet称为ECA_SKNet。对5种模型使用相同优化器和训练周期进行实验,结果表明:实验模型均能对单倍体玉米种子达到较好的识别效果,最低准确率能达88.5%,ECA_SKNet模型准确率达93.04%。可见,卷积神经网络在玉米单倍体种子识别中能够发挥重要作用,为作物种子识别提供新思路。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号