基于改进卷积神经网络的苹果叶片病害识别

作     者：童子皓 赵宏伟 李蛟 王紫薇 TONG Zi-hao;ZHAO Hong-wei;LI Jiao;WANG Zi-wei

作者机构：吉林大学计算机科学与技术学院长春130012 吉林大学图书馆长春130012 吉林省商务信息中心长春130061 

出 版 物：《信息技术》 (Information Technology)

年 卷 期：2024年第48卷第6期

页      面：8-14页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：吉林省省级科技创新专项资金项目(20190302026GX) 吉林省自然科学基金(20200201037JC) 

主　　题：计算机应用 深度学习 卷积神经网络 病害识别 

摘      要：针对传统的卷积神经网络对农业领域的识别精度不高的问题,对现有的VGG16网络模型进行改进,用于解决苹果树叶片病害的识别与预测问题。网络通过对输入图像进行卷积操作获得特征图,首先在每一个卷积层结束后加入批量归一化模块,用于提高模型的收敛速度。同时将卷积层的ReLU激活函数替换为P-ReLU函数以便提高网络训练效率,解决梯度消失的问题。在公开的PlantVillage数据集中的实验结果为98.578%,表明文中的改进方法较一些经典网络模型有了更好的病害分类与预测精度。