基于深度可分离卷积神经网络的农作物病害识别方法

• 作者: 张镇 曾祥永 蔡汉明 随玉腾
• 来源期刊: 安徽农业科学
• 学科: 农学
• 关键词: 深度可分离卷积 病害识别 图像处理 深度学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 农业经济·农业信息
• 页码范围: 244-246,252
• 页数: 4页
• 分类号: S1265|TP126
• 字数: 3025字
• 语种: 中文
• DOI: 10.3969/j.issn.0517-6611.2019.11.070

摘要

为了满足现代化、机械化农业生产的目标,降低模型的计算量,使农作物病害分类模型更适用于资源受限制的设备,提出了一种以深度可分离卷积为主的神经网络模型.利用深度可分离卷积和卷积相结合的方法取代标准卷积,计算量可降低至标准卷积的12％左右,并且大大减少网络模型的参数量.通过进一步减少通道数、改变网络输入图片大小的等方式,获得12种参数量和计算量不同的模型.结果显示,对含有复杂背景和光照不均匀的10类农作物的27种病害样本图片进行分类,该研究提出的模型准确率为98.26％,且参数量仅904 K.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡汉明	青岛科技大学机电工程学院	56	151	6.0	9.0
2	曾祥永		3	20	2.0	3.0
3	张镇	青岛科技大学机电工程学院	3	12	2.0	3.0
4	随玉腾	青岛科技大学机电工程学院	1	2	1.0	1.0