基于批归一化与AlexNet网络的水稻病害识别

摘要：

为实现多种类水稻病害的自动识别,采用卷积神经网络对水稻干尖线虫病、白叶枯病、细菌性条斑病等8种水稻叶部病害图像进行识别.将病害图像通过随机旋转以及亮度和对比度随机改变等方法进行样本扩充后,随机划分80％的图像作为卷积神经网络的训练样本,20％的图像作为测试数据.将训练样本直接输入AlexNet网络与LeNet5网络中进行训练,得到AlexNet model和LeNet_model.在AlexNet网络上采用模糊C均值聚类(FCM)图像处理和在每层激活函数后添加批归一化层(BN)的两种方法对图像进行识别,得到模型FCM_model和BN model.结合4种模型识别结果及性能评价指标的分析,可知BN_ model的识别效果最佳.BN_model模型的最终测试识别准确率达99.11％,比AlexNet_model、FCM_model和LeNet_ model分别提高了0.23个百分点、0.59个百分点和4.43个百分点.该模型识别能力与泛化能力强,为基于卷积神经网络的水稻病害研究提供了参考.

关键词：图像处理、病害识别、卷积神经网络、AlexNet、批归一化

所属期刊栏目：58

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61562039

在线出版日期：2021-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：156-166