基于卷积神经网络的植物病害分类中优化器性能分析
计算机视觉与模式识别
2022-01-04 v2
摘要
病虫害导致的作物歉收在印度农业中不可避免，造成每年15%至25%的产能损失，带来巨大的经济损失。本研究分析了多种优化器在基于深度学习的植物病害预测分析中的性能。研究使用卷积神经网络将3种作物的农场或植物叶片样本分类为15个类别。本研究使用的优化器包括RMSprop、Adam和AMSgrad。通过绘制训练与验证准确率和损失曲线、ROC曲线以及混淆矩阵对优化器性能进行可视化。使用Adam优化器取得了最佳性能，最大验证准确率达到98%。本文聚焦于研究分析，证明借助卫星、无人机或手机拍摄的图像，利用深度学习方法可以预测并预防植物病害，从而减少作物歉收与农业损失。
引用
@article{arxiv.2011.04056,
title = {Performance Analysis of Optimizers for Plant Disease Classification with Convolutional Neural Networks},
author = {Shreyas Rajesh Labhsetwar and Soumya Haridas and Riyali Panmand and Rutuja Deshpande and Piyush Arvind Kolte and Sandhya Pati},
journal= {arXiv preprint arXiv:2011.04056},
year = {2022}
}
备注
conference