基于深度学习的番茄叶部病害识别模型

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