186 / 2024-04-22 20:55:23

VGG16-FNN: A New Approach for Soybean Leaf Disease Recognition in Natural Scenes

agricultural supply chain,soybean leaf diseases,deep learning,fuzzy neural network

疾病会降低作物产量和质量，从而导致供应链短缺。针对自然场景中模糊信息的大豆叶病识别，利用模糊神经网络改进VGG16架构的全连接层，开发了VGG16-FNN模型。通过参数优化、模型优化以及与传统模型和混合模型的对比，验证了VGG16-FNN的性能。参数优化实验表明，在学习率为0.0001、批量大小为128时，精度达到最大。在模型优化实验中，VGG16-FNN的准确率分别优于MobileNetV2-FNN、InceptionV3-FNN、VGG19-FNN和Xception-FNN，分别为3.07%、2.46%、1.33%和1.50%。通过对传统模型和混合模型的对比实验，VGG16-FNN的识别能力优于其他深度学习模型和深度神经模糊网络，肯定了VGG16-FNN设计方法的鲁棒性。这种方法可以准确地识别疾病，从而保障作物产量和质量，从而提高农业供应链的稳定性和响应能力。