Resumen

Para resolver el problema de precisión y velocidad en la identificación de enfermedades en tiempo real durante la operación de pulverización en campos de maíz, se propuso un modelo mejorado de identificación de enfermedades en maíz ResNet50. En primer lugar, este artículo utiliza el algoritmo Adam para optimizar el modelo, ajusta la estrategia de aprendizaje a través de la tasa de aprendizaje triangular inclinada, aumenta la regularización L2 para reducir el sobreajuste, y adopta una estrategia de salida y una función de incentivo ReLU. Luego, el primer núcleo de convolución del modelo ResNet50 se modifica en tres pequeños núcleos de convolución de 3x3. Finalmente, la proporción del conjunto de entrenamiento al conjunto de verificación es de 3:1. A través de la comparación experimental, la precisión de reconocimiento del modelo de reconocimiento de enfermedades en maíz propuesto en este artículo es mayor que la de otros modelos. La precisión de reconocimiento de imágenes en el conjunto de datos es del 98.52%, la precisión de reconocimiento de imágenes en el campo es del 97.826%, y la velocidad de reconocimiento promedio es de 204ms, lo que cumple con los requisitos de precisión y velocidad de la operación de pulverización en campos de maíz y proporciona apoyo técnico para la investigación de equipos de pulverización en campos de maíz.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Propuesta; Resnet50; Identificación de enfermedades; Precisión; Velocidad; Campo de maíz
• Keywords:Proposed; Resnet50; Disease identification; Accuracy; Speed; Maize field