机器学习在植物病害识别研究中的应用
1、文章思路
阐述传统机器学习方法到深度学习的模式分类技术变迁,重点提出深度学习在植物病害识别中的应用优势;然后,调研机器学习在植物病害应用的相关研究文献,对文献所使用的模型、技术细节、数据来源、数据处理技术以及性能指标评价进行详细综述与对比,分析该领域研究存在的问题;最 后,基于调研结果对植物病害识别的进一步研究展开讨论,同时对研究对象的特点与大规模数据集合的构建提出相关意见,在技术上提倡深度学习算法的使用,鼓励更加先进的模型尝试等建议。另外,还整理目前已经公开且可以下载使用的关于植物病害识别研究的数据库集 合,为相关的研究提供便利。
2、机器学习技术
机器学习技术是人工 智 能 研 究 领 域 的 重 要 成 果,其研究的主要内容是学习算法,这是一种 在 计 算 机 上从数据中产生模型的法;学习算法可分 为 有 监 督 学习、无监督学习和强化学习,主要用识别、分类、量化及预测四个方向。在植物病害识别的研究中应用较为成功的几种传统机器学习方法主要包括贝叶斯分类器、 支 持 向 量 机、K-Means聚 类 算 法以 及 人 工 神 经 网络(ANN)等。
在深度学习工具中,最常 用 的 是 卷 积 神 经 网络(CNN)
目前常用的 C***NN 经典 模 型 主 要 有***:CaffeNet、