提高深度学习的实用性,以在现场条件下识别作物疾病:从模型评估和作物特定方法的见解

Qi Tian1, Gang Zhao2,3, Changqing Yan4

  • 1College of Natural Resources and Environment, Northwest A&F University, Xianyang, China.

PubMed
概括

自动化作物疾病识别模型在实验室环境中表现最好,在现场条件下准确性明显下降. 增强数据表示和体积对于实际的现场应用至关重要,而不是仅依赖复杂的模型架构.