基于深度残差网络与迁移学习的毒蕈图像识别

• 作者: 惠国华 易晓梅 李剑 樊帅昌 郜园园
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 图像识别 深度残差网络 迁移学习 毒蕈 数据增强
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 74-83
• 页数: 10页
• 分类号: TP399
• 字数: 7126字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2020.01.014

摘要

我国毒蕈种类繁多且分布广泛,经常有人因无法鉴别毒蕈和可食用菌而误食毒蕈,导致身体健康甚至生命安全受到严重威胁.为了减少毒蕈中毒事件的发生,本文以中国常见毒蕈为研究对象,提出基于深度残差网络与迁移学习的毒蕈图像识别方法.首先通过互联网途径获取常见种类的毒蕈和非毒蕈的图像,经筛选后得到18种毒蕈和5种非毒蕈共14669张图像,使用数据增强扩充数据量,建立中国常见毒蕈图像数据集.然后以ResNet-152为预训练网络模型,采用基于模型的迁移学习方法,构建出毒蕈图像识别的模型结构,以Adam算法为模型优化方法,最后通过k折交叉验证进行模型训练.试验结果表明,毒蕈图像识别模型Top-1和Top-5准确率分别为92.17％和97.35％,对于常见毒蕈图像具有较高的识别率,可以有效的帮助人们避免误食毒蕈,为毒蕈识别研究提供新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李剑	浙江农林大学信息工程学院	11	34	3.0	5.0
3	易晓梅	浙江农林大学信息工程学院	22	43	4.0	5.0
5	惠国华	浙江农林大学信息工程学院	7	15	2.0	3.0
7	樊帅昌	浙江农林大学信息工程学院	2	1	1.0	1.0
17	郜园园		1	1	1.0	1.0