Resumen

Los algoritmos de aprendizaje profundo tienen las ventajas de una estructura clara y una alta precisión en el reconocimiento de imágenes. La identificación precisa de plagas y enfermedades en los cultivos puede mejorar la pertinencia del control de plagas en las tierras de cultivo, lo cual es beneficioso para la producción agrícola. Este artículo propone un modelo DCNN-G basado en aprendizaje profundo y fusión de análisis de datos de Google, utilizando este modelo para entrenar 640 muestras de datos, y luego utilizando 5000 muestras de prueba para realizar pruebas, seleccionando el 80% como conjunto de entrenamiento y el 20% como conjunto de prueba, y comparando la precisión del modelo con el modelo de reconocimiento convencional. Los resultados de la investigación muestran que después de degradar una imagen de calidad nivel 1 utilizando los parámetros de degradación mencionados, se obtienen 9 imágenes de calidad nivel. Se utiliza la red mejorada YOLO, YOLO-V4, para probar y validar imágenes después de la clasificación de calidad nivel. Las imágenes de diferentes niveles de calidad

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Algoritmos de aprendizaje profundo; Reconocimiento de imágenes; Plagas de cultivos; Enfermedades; Modelo DCNN-G; Clasificación del nivel de calidad
• Keywords:Deep learning algorithms; Image recognition; Crop pests; Diseases; DCNN-G model; Quality level classification