基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别

• 作者: 曾伟辉 李增 李淼 熊焰
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 高阶残差 参数共享反馈 鲁棒性 农作物病害识别
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 1979-1986
• 页数: 8页
• 分类号: TP391.41
• 字数: 6634字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.09.023

摘要

当前,大部分农作物病害图像识别方法主要关注于精度而忽略了鲁棒性.在面向实际环境时,由于噪声干扰和环境因素影响导致识别精度不高.为此提出了一种高阶残差和参数共享反馈的卷积神经网络模型以应用于实际环境农作物病害识别.其中,高阶残差子网络为病害表观提供丰富细致的特征表达,以提高模型识别精度;参数共享反馈子网络用来进一步抑制原深层特征中的背景噪声,以提高模型的鲁棒性.实验结果表明,当面向实际环境农作物病害识别时,本文方法在识别精度和鲁棒性上均优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李淼	中国科学院合肥智能机械研究所	155	1490	17.0	35.0
2	熊焰		82	648	12.0	21.0
3	李增		7	37	4.0	6.0
4	曾伟辉	中国科学院合肥智能机械研究所	7	136	4.0	7.0