基于卷积神经网络的苹果叶部病害图像识别研究

作     者：郭宏杰 马睿 王佳 赵威 马德新 Guo Hongjie;Ma Rui;Wang Jia;Zhao Wei;Ma Dexin

作者机构：青岛农业大学动漫与传媒学院青岛市266109 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2024年第45卷第5期

页      面：239-245页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 

基　　金：山东省自然科学基金(ZR2022MC152) 山东省高等学校青创人才引育计划(202202027) 

主　　题：苹果叶部病害 迁移学习 卷积神经网络 图像识别 

摘      要：为解决苹果叶部病害识别效率低、精度低的问题,展开苹果叶片病害识别模型的研究。通过收集并整理网络公共数据集,获取苹果黑腐病、苹果黑星病、苹果锈病和苹果健康叶部四类图像,随机选取1 200张图像建立数据集,采用数据增强的手段对数据进行预处理,提高模型的鲁棒性,降低其他因素对模型识别的影响。将迁移学习与卷积神经网络相结合,在InceptionV3、Xception、NasNetmobile、Inception-ResNetV2这4种预训练模型的基础上,弃用全连接层,通过全局平均池化层来完成特征整合工作,同时对模型采取微调,对比各模型的识别效果。通过微调前后8种模型训练对比结果表明,微调后的Inception-ResNetV2模型在测试集上能达到98.83%的准确率,可以准确、快速地识别出病害类型,为相关病害识别提供参考。