如今判断植植物病型的当下判断全然倚赖人力经验的介入，人力判断的数量局限与易误性并存，大规模种植场景下病虫害的广域判别遂成难以逾越的障碍；本研究即提出一种经改进深度卷积神经网络架构的番茄植株病虫害检测范式，其研究对象锚定于网络公开数据集PlantVillage所涵括的10类番茄叶片图像集合。
如今判断植植物病型的当下判断全然倚赖人力经验的介入，人力判断的数量局限与易误性并存，大规模种植场景下病虫害的广域判别遂成难以逾越的障碍；本研究即提出一种经改进深度卷积神经网络架构的番茄植株病虫害检测范式，其研究对象锚定于网络公开数据集PlantVillage所涵括的10类番茄叶片图像集合。
用九种机器学习方法进行学生成绩预测
最近一年贡献：109 次
最长连续贡献：52 日
最近连续贡献：1 日
贡献度的统计数据包括代码提交、创建任务 / Pull Request、合并 Pull Request，其中代码提交的次数需本地配置的 git 邮箱是 Gitee 帐号已确认绑定的才会被统计。