
-
生物通官微
陪你抓住生命科技
跳动的脉搏
通过运行改进的卷积神经网络模型,开发了一种用于柑橘类水果和叶片的自发疾病诊断工具
《Scientific Reports》:Development of a spontaneous disease diagnosis tool by executing an enhanced convolutional neural network model for citrus fruits and leaves
【字体: 大 中 小 】 时间:2026年03月27日 来源:Scientific Reports 3.9
编辑推荐:
摘要 橙子、柑橘、苦橙和柠檬都是柑橘类水果的例子,它们不仅能制作出美味的菜肴,而且营养价值极高。然而,柑橘类水果容易受到多种病害的影响,这些病害会降低其产量。农业部希望提高橙子和柠檬的产量。另一方面,多种植
橙子、柑橘、苦橙和柠檬都是柑橘类水果的例子,它们不仅能制作出美味的菜肴,而且营养价值极高。然而,柑橘类水果容易受到多种病害的影响,这些病害会降低其产量。农业部希望提高橙子和柠檬的产量。另一方面,多种植物疾病及其严重阶段已经对产量产生了负面影响。水果的质量直接影响其市场价值和经济收益。因此,准确检测病害及其严重程度对于提高橙子和柠檬的产量和市场价值至关重要。为了自动评估和预测柑橘叶片和果实上的病害,本文提出了一种改进的卷积神经网络(ICNN)模型。该模型使用Python编写,并通过来自不同数据仓库的基准数据集进行了测试。研究结果表明,ICNN的性能优于传统的深度学习和机器学习模型(如卷积神经网络(CNN)和K-近邻算法(KNN)。这表明,机器学习模型需要额外的方法来从非自动化方式获取的数据中提取参数。此外,为了提高分类或预测的准确性,深度学习模型通常需要预训练的模型作为基础。因此,ICNN作为一种改进的深度学习模型,能够以比其他模型更高的准确性自动预测病害,代表了相较于标准CNN的进步。与KNN和CNN相比,ICNN的准确率达到了99.69%。