基于one-shot学习的小样本植物病害识别

摘要：

针对植物病害小样本问题提出一种基于one-shot学习的植物病害识别方法.以公开数据集PlantVillage中8类样本数量较少的植物病害图像作为识别对象,使用焦点损失函数(focal loss,FL)训练基于关系网络的植物病害分类器.训练过程中,调整FL超参数使模型聚焦于困难样本,从而提高植物病害识别精确率.结果表明:该方法在5-way、1-shot任务中识别精确率达到89.90％,相比原始关系网络模型精确率提高了4.69个百分点.同时,与匹配网络和迁移学习相比,改进后的方法在实验数据集上识别精确率分别提高了25.02个百分点和41.90个百分点.

关键词：植物病害识别、深度学习、one-shot学习、焦点损失函数、关系网络

所属期刊栏目：35

分类号：S126(农业物理学)

资助基金：北京林业大学中央高校基本科研业务费专项资金资助项目TD2014-01;国家重点研发计划项目2017YFC1602002

在线出版日期：2019-11-22（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：1061-1067