书目详细信息
： 基于加权抽样分层分类学习方法的茶叶病害分类
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于加权抽样分层分类学习方法的茶叶病害分类/.李汝嘉著/.杨建平指导 |
| 出版发行项： | 2023.5.23 |
| 载体形态项： | 67页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240524 |
| 提要文摘： | 茶叶病害是茶树生长过程中不可避免的问题，传统的病害识别方法费工费时、精确度差，且难以应对茶叶病害小样本且分布不均匀、茶叶病害之间相似度高等问题。为了解决这些问题，本文提出了一种基于高效骨干网模型的加权抽样分层分类学习方法。该方法在EfficientNet模型为高效骨干网络进行分层分类学习的基础上，通过增强特征提取能力，有效缓解茶叶病害之间相似度高对模型分类性能的影响。另外，为了更好的解决茶叶病害样本少且分布不均匀的情况，本文还引入了加权抽样的方案，该方案不仅缓解了样本数据过少带来的过拟合影响，还使不平衡的分类数据抽到的概率大致平衡，进一步提高了识别准确率。 本文以茶叶健康和茶叶的4类常见叶部病害（茶藻斑病，茶白星病，茶炭疽病，茶云纹叶枯病）为主要研究对象，在基于7种不同的高效骨干网络中引入“加权抽样分层分类学习方法”进行训练，并对加入该学习方法前后的模型进行效果对比分析，使用准确率(Accuracy)、精确率(Precision)、召回率(Recall)、f1-score进行评估。实验结果表明，7种模型在引入加权抽样分层分类学习方法后，其准确率大多有所提高，其中ShuffNet-V2模型在加入该学习方法后准确率提高了12.21%，而EfficientNet-B1模型在加入本文学习方法后准确率高达99.21%，相较于EfficientNet-b2（98.82%）和MobileNet-V3（98.43%），识别准确率得到了进一步提升。这表明，加权抽样分层分类学习方法在茶叶病害识别中具有很好的效果，可以帮助提高模型的分类性能。而后利用迁移学习的混淆矩阵和模型可视化对模型进行评估和可视化，从而进一步的帮助我们提高模型的性能和理解模型的工作原理。 最后，研究者开发了一个识别茶叶病害的微信小程序，通过该小程序，用户可以方便快捷地获取准确的茶叶病害识别结果和对应的病害描述以及防治方法。该小程序不仅可以帮助果农和相关科研人员更好地甄别茶叶病害，提高茶叶种植的质量和产量，还可以帮助消费者更好地了解茶叶的品质和病害情况，增强消费者的购买信心。因此，该小程序具有一定的实用性。 总之，基于高效骨干网模型的加权抽样分层分类学习方法在茶叶病害识别中具有很好的效果。该方法可以有效地缓解茶叶病害之间相似度高和样本少且分布不均匀的问题，提高模型的分类性能和准确率。该研究还为茶叶病害识别领域的研究提供了新的思路和方法，有望在农业生产和消费领域产生广泛的应用和推广。 |
| 并列题名： | Tea disease classification based on weighted sampling hierarchical classification learning method eng |
| 题名主题： | 茶病 EfficientNet 分层分类 加权抽样 微信小程序 学位论文 |
| 中图分类： | S432.1-533 |
| 个人名称等同： | 李汝嘉 著 |
| 个人名称次要： | 杨建平 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240528 |