基于迁移学习的番茄叶片病害图像分类

• 作者: 刘庆飞 张亚烁 张宏立 王艳玲
• 来源期刊: 中国农业大学学报
• 学科: 农学
• 关键词: 番茄 卷积神经网络 迁移学习 特征提取 SVM 病害分类
• 年，卷（期）: 2019,（6）
• 页码范围: 124-130
• 页数: 7页
• 分类号: S436.412|TP391.41
• 语种: 中文
• DOI: 10.11841/j.issn.1007-4333.2019.06.14

摘要

针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究.使用14 529张番茄叶片病害图像,随机选择70％作为训练集,30％作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别.在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验.结果 表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62％,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6％.采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏立	新疆大学电气工程学院	89	474	12.0	17.0
2	刘庆飞	新疆大学电气工程学院	5	23	3.0	4.0
3	王艳玲	新疆大学电气工程学院	2	19	2.0	2.0
4	张亚烁	新疆大学电气工程学院	1	7	1.0	1.0