基于深度卷积神经网络的大豆叶片多种病害分类识别

摘要：

为实现复杂田间背景下快速高效分类识别多种大豆叶片病害图像,以准确性、训练时间和训练误差为深度学习模型性能指标,对比评估不同深度卷积神经网络模型.首先将无人机收集到的大豆叶片病害图像数据集按7∶3的比例分为训练集与测试集.为扩充数据图像,对训练集原图进行数据增强.基于不同权重的微调和迁移学习训练策略,采用Inception-v3、VGG-19、ResNet-50和Xception 4种深度神经网络模型对大豆叶片多种病害进行分类识别,并进行田间验证试验.结果 表明,在FT75％训练策略下的Inception-v3模型准确性最高,为99.04％;与其他模型相比,FT 100％和FT 75％训练策略下的深度学习模型显示出较高的准确性和较低的训练误差,但训练时间也更长.将训练好的Inception-v3 FT 75％模型用于计算机视觉系统的结果表明该系统可有效实现田间复杂背景下大豆叶片病害的智能识别.

关键词：大豆叶片病害;深度学习;图像识别;卷积神经网络

所属期刊栏目：40

资助基金：河南省科技攻关项目;国家自然科学基金联合基金

在线出版日期：2021-10-22（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：662-668