基于改进残差网络的苹果叶片病害识别研究

• 全文链接
• 请求原文

作   者：

陈聪;  于啸;  宫琪; 

作者机构：

山东理工大学计算机科学与技术学院; 

关键词：

病害识别;  深度学习;  迁移学习;  苹果叶片;  残差网络; 

期刊名称：

河南农业科学

i s s n：

年卷期：

2023 年 004 期

页   码：

152-161

摘   要：

苹果叶片病害形态相似、斑点大小不同，依靠人工和农业专家识别的传统方式效率较低。为此提出一种基于改进残差网络的苹果病害识别模型REP-ResNet。该模型在基准模型ResNet-50的基础上通过采用批标准化、激活函数、卷积层的残差结构顺序，加入通道注意力机制和并行卷积的方式进行改进。训练过程中，将公开数据集PlantVillage预训练的模型权重参数迁移至上述网络模型中重新训练，达到加快网络的收敛速度和提高模型识别能力的目的。采用数据扩充的方式解决训练过程中样本不均的问题。结果表明，REP-ResNet模型与基准网络模型相比识别准确率提高2.41个百分点。模型使用迁移学习的方式进行训练，在复杂背景下的苹果叶片病害识别中准确率达到97.69%，与传统卷积神经网络相比识别效果有较大提高。