地球资源数据云——数据资源详情

葡萄树叶图像数据集

通过 MobileNetv2 CNN 模型对五类葡萄树叶进行分类。 • 使用具有不同核函数的SVM 对特征进行分类。 • 实现高分类百分比的特征选择算法。 • 使用CNN - SVM 三次模型进行最高精度分类。 摘要： 葡萄树的主要产品是新鲜食用或加工的葡萄。此外，葡萄叶作为副产品每年收获一次。葡萄叶的种类对于价格和口味都很重要。在这项研究中，利用葡萄树叶图像进行基于深度学习的分类。为此，使用特殊的自发光系统拍摄了属于 5 个物种的 500 个藤蔓叶子的图像。后来，通过数据增强方法，这个数字增加到了 2500。该分类是使用经过微调的 MobileNetv2 最先进的 CNN 模型进行的。作为第二种方法，从预训练的 MobileNetv2 的 Logits 层中提取特征，并使用各种 SVM 内核进行分类。作为第三种方法，通过卡方方法选择从 MobileNetv2 的 Logits 层提取的 1000 个特征，并将其减少到 250 个。然后，使用所选特征通过各种 SVM 内核进行分类。最成功的方法是从 Logits 层提取特征并使用卡方方法减少特征。最成功的 SVM 内核是 Cubic。系统的分类成功率确定为97.60%。据观察，尽管分类中使用的特征数量减少，但特征选择提高了分类成功率。最成功的 SVM 内核是 Cubic。系统的分类成功率确定为97.60%。据观察，尽管分类中使用的特征数量减少，但特征选择提高了分类成功率。最成功的 SVM 内核是 Cubic。系统的分类成功率确定为97.60%。据观察，尽管分类中使用的特征数量减少，但特征选择提高了分类成功率。