论文部分内容阅读
作物病害是对粮食安全的主要威胁,但由于缺乏必要的基础设施,在世界许多地方,很难迅速查明疾病。深度学习使全球智能手机普及率不断提高和计算机视觉的最新发展相结合,为智能手机辅助疾病诊断铺平了道路。该文使用在受控条件下收集的54 306张患病和健康植物月季花图像的公共数据集,我们在TensorFlow平台上训练了一个深度卷积神经网络,以识别月季花的多种疾病。经过训练的模型在保留的测试集上达到了99.35%的精度,证明了这种方法的可行性。在从可信任的在线来源收集的一组图像上测试模型(即在不同于用于训练模型的