10.3969/j.issn.1000-4440.2021.01.009
基于深度残差网络的玉米病害识别
针对人工诊断玉米病害成本高、效率低、时延长等问题,提出一种基于深度残差网络的玉米病害识别网络TFL-ResNet.TFL-ResNet网络基于ResNet50网络,首先引入Focal Loss损失函数使模型专注于难分类的病害样本,其次将ResNet50网络在PlantVillage数据集训练好的参数迁移到改进网络上以完成构建.采用的玉米病害数据集涉及健康植株、大斑病、灰斑病、锈病4种标签,并使用旋转、翻转、平移等操作对数据集进行数据增强与扩充.对数据集进行训练和测试,与VGG16等对照模型相比,TFL-ResNet网络收敛速度更快、分类效果更好,平均识别准确率高达98.96%.通过观察精准率、召回率、混淆矩阵等评价指标得出TFL-ResNet网络具有较好的鲁棒性和泛化能力,可用于玉米病害智能诊断.
病害图像识别、深度残差网络、迁移学习
37
TP391(计算技术、计算机技术)
国家重点研发计划项目;安徽省科技重大专项;安徽省高校自然科学研究项目;安徽省大学生创新创业训练计划项目
2021-03-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
67-74