基于改进的ResNet34网络模型的苹果叶病害识别

摘要：

针对目前自然环境下苹果叶病害图像识别准确率不高和模型参数量多的问题,在深度残差网络Res-Net34的基础上,提出了一种改进模型.首先对原始ResNet34第一层卷积层进行卷积核的替换,将其中的大卷积核改为小卷积核;进而对残差结构进行优化,将残差结构卷积层中的两个大小为3×3卷积核替换成大小为1×1、3×3和1×1串联的卷积核;改变残差网络的block数,由原始的[3,4,6,3]改为[1,2,12,1];对于虚线残差结构,通过添加一个平均池化层来进行下采样操作,取消了1×1卷积层的下采样功能.实验结果表明,改进的ResNet34模型在苹果叶病害数据集分类任务中获得了96.7％的识别准确率,平均F1分数达到了96.7％.与原始ResNet34模型相比,改进的ResNet34模型在识别能力得到小幅度提升的同时,模型参数量降低了43.3％.

关键词：病害识别、卷积神经网络、残差网络、模型参数量

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省自然科学基金资助项目;安徽省教育厅优秀人才基金资助项目

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：51-57