30、基于AI的水稻疾病分类与物联网智能购物车解决方案

基于AI的水稻疾病分类与物联网智能购物车解决方案

基于CNN SqueezeNet的水稻疾病分类

在农业领域，准确识别水稻疾病对于保障作物产量和质量至关重要。为了实现这一目标，研究人员提出了一种基于CNN SqueezeNet的分类模型。

数据集与系统规格

• 数据集 ：整个图像集包含3355张图像，这对于分类任务来说是一个较大的数据集。其中包括595张褐斑病图像、1416张健康叶片图像、565张稻铁甲虫危害图像和779张叶瘟病图像。数据集包含四个标记类别：褐斑病、稻铁甲虫危害、健康和叶瘟病，因此对该数据集进行了多类分类。数据集按照70 - 30的比例进行训练和测试划分，这是标准的划分方式。模型应用于水稻叶片的JPEG图像。
• 系统规格 ：实验使用一台配备4GB RAM、2TB HDD和i5处理器的个人计算机。

CNN - SqueezeNet模型

• CNN基础 ：CNN使用反向传播从各种图像特征中提取特征，包含池化、全连接和Softmax等多个层。
• SqueezeNet架构 ：SqueezeNet是一种压缩架构，参数相对较少。在SqueezeNet CNN中，通过减少滤波器数量，将1x1的压缩卷积层输入到1x1卷积层和3x3卷积层的扩展层中，从而自动减少参数数量。SqueezeNet在提高准确性的同时减小了模型大小，其连接方式为简单旁路，有助于提高准确性。该模型缺乏全连接层，并添加了“Fire模块”这