论文部分内容阅读
为了解决田间复杂的环境使传统图像处理对杂草识别精度差的问题,该研究对8种常见的杂草进行采集,数据集由17 509张带有标签的图像组成,采用迁移学习的方式对田间杂草进行识别,并对训练出的模型进行微调,使其进一步提高识别的准确率。对VGG 19、Inception V4、ResNesXt 101和NASNet-mobile 4种模型进行比对,选用模型参数小且准确率高的NASNet-mobile模型,并将其部署到云服务中。云服务端使用Gin搭建模型交互,用于识别杂草并返回识别信息;使用CSS和Java s