深度迁移学习在花生叶部病害图像识别中的应用

• 作者: 时爱菊 牟少敏 苏婷婷 董萌萍
• 来源期刊: 山东农业大学学报（自然科学版）
• 学科: 农学
• 关键词: 迁移学习 预训练模型 花生叶部病害 图像分类
• 年，卷（期）: 2019,（5）
• 页码范围: 865-869
• 页数: 5页
• 分类号: S126
• 字数: 3894字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2324.2019.05.028

摘要

运用深度学习方法对花生叶部病害图像进行分类时,需要大量训练样本.而花生叶部病害发生时间较短,多呈地域性分布,为叶部病害图像的采集增加难度.为降低图像采集难度,减少图像标注成本,提出了一种基于微调策略的Inception-v3花生叶部病害图像识别方法.首先迁移Inception-v3模型在茶叶叶部病害图像数据集上进行微调,然后将微调所得模型迁移至花生叶部病害图像数据集上继续训练.实验结果表明,Inception-v3、VGG19、ResNet50、卷积神经网络和微调卷积神经网络在测试集上的准确率分别为94.1％、92.9％、93.2％、80.3％和87.0％,本文提出的方法准确率为95.3％.在花生叶部病害图像数量有限时,本文提出的方法识别准确率显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牟少敏	山东农业大学信息科学与工程学院	44	376	11.0	18.0
2	时爱菊	山东农业大学化学与材料科学学院	20	97	6.0	9.0
3	董萌萍	山东农业大学信息科学与工程学院	3	7	2.0	2.0
4	苏婷婷	山东农业大学信息科学与工程学院	3	10	2.0	3.0