基于微调卷积神经网络迁移学习模式下被害棉叶图像的识别

• 作者: 戴建国 李玉洁 王文霞 罗秀芝 雷声渊 马本学
• 来源期刊: 新疆农业科学
• 学科: 农学
• 关键词: 卷积神经网络 被害棉花 病虫危害 迁移学习 图像识别
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 土壤肥料·贮藏加工·植物保护·畜牧水产
• 页码范围: 1288-1295
• 页数: 8页
• 分类号: S11
• 字数: 4912字
• 语种: 中文
• DOI: 10.6048/j.issn.1001-4330.2019.07.013

摘要

[目的]研究一种基于卷积神经网络的危害棉叶症状识别技术,提高棉花病虫害的识别准确率.[方法]基于caffe深度学习框架,在CaffeNet网络结构基础上增加一层全连接层(记为CaffeNet+1),并结合迁移学习方法对网络进行训练.采集健康、红叶茎枯、红蜘蛛、枯萎、黄萎、双斑萤叶甲、蚜虫、褐斑棉叶图像各975张作为样本集.随机选取验本集中80％的图像样本作为训练集,剩余20％作为测试集.[结果]迁移学习方式下学习率取0.005时的CaffeNet+1模型最优,在测试集上其识别准确率可达98.9％.[结论]在与全新学习模式下的CaffeNet模型相比,该方法可加速网络模型收敛,且具有更高的识别准确率,该技术方法在准确识别田间病虫害棉叶后表现症状的图像写出来具体方面具有重要的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴建国	石河子大学信息科学与技术学院	28	187	6.0	13.0
2	雷声渊	石河子大学机械电气工程学院	2	1	1.0	1.0
3	王文霞	石河子大学机械电气工程学院	4	1	1.0	1.0
4	罗秀芝	石河子大学机械电气工程学院	3	1	1.0	1.0
5	李玉洁	石河子大学机械电气工程学院	1	0	0.0	0.0