基于深度学习的番茄叶部病害识别模型
1、研究思路
为实现番茄叶病特征的自动 提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用 PCA 降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了 softmax 分类器,提高了识别准确率。
2、卷积神经网络
3、PCA 算法
主要思想是对数据进行线性变换,将任意数据 变换到新的坐标系中,保留数据中对方差影响最大 的特征。为了得到包含最大差异性的主成分方向,需要计算数据矩阵的协方差,然后得到协方差矩阵特 征向量,选择特征值最大的 K 个特征所对应的的特 征向量组成的矩阵。这样就可以将数据装换到新空 间,实现降维。
4、Softmax 损失函数及其改进
Softmax 函数用于解决多分类问题,是 Log