一种基于彩票迁移的稀疏网络植株病虫害识别模型

摘要：

植株病虫害的识别能够有效地提高农作物产量,当前数据驱动的深度植株病虫害识别方法需要大量的有标签数据,导致现有方法难以很好地识别少样本的新病虫.且基于深度学习的方法需要对大量的参数进行训练,难以削减计算开销.研究设计一种基于彩票迁移的稀疏网络植株病虫害识别模型:定义深度网络的彩票迁移假设,利用压缩策略构建稀疏网络,识别迁移源域的本质知识,提高深度网络的迁移效率;然后,设计深度彩票迁移算法,训练植株病虫害深度识别模型,解决少样本病虫识别调整;最后,在典型的通用数据与植株病虫害识别数据集上,验证基于彩票迁移的深度植株病虫害识别模型能高效迁移源域的本质知识.在PlantVillage数据集上,对植株病虫害识别准确率为97.69％,且所需训练的参数只有原始网络的约30％.

关键词：病虫害识别、彩票假设、深度迁移学习、网络压缩

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61672123

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：108-116