基于卷积神经网络的玉米病害小样本识别研究

• 作者: 刘涛 张耀光 杨明欣
• 来源期刊: 中国生态农业学报(中英文)
• 关键词: 玉米病害 迁移学习 小样本 卷积神经网络 Focal Loss 混淆矩阵
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 作物栽培与生理生态
• 页码范围: 1924-1931
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13930/j.cnki.cjea.200375

摘要

农作物病害治理对于农作物的产量和品质有着非常重要的影响.本文针对玉米病害人工识别困难、识别过程耗费大量的人力成本和病害数据样本小且分布不均的问题,提出了一种改进的迁移学习神经网络(Neural Network)的病害识别方法.首先,采用旋转、翻转等方法对样本图像集进行数据增强;其次,通过迁移的MobileNetV2模型在玉米病害图像数据集上训练,利用Focal Loss函数改进神经网络的损失函数;最后,通过Softmax分类方法实现玉米病害图像识别.另外通过试验对比AlexNet、GooleNet、Vgg16、RestNet34、MobileNetV2和迁移的MobileNetV2这6种模型的训练集准确率、验证集准确率、权重、参数数量和运行时间.结果显示,6种模型验证集的准确率分别为93.88％、95.48％、91.69％、97.67％、96.21％和97.23％,迁移的MobileNetV2的准确率最高,且权重仅有8.69 MB.进一步通过混淆矩阵对比了MobileNetV2和迁移的MobileNetV2两种模型,迁移的MobileNetV2模型识别正确率提升1.02％,训练速度减少6350 s.本文提出迁移的MobileNetV2模型对玉米病害小样本的识别效果最佳,具备更好的收敛速度与识别能力,同时能够降低模型的运算量并大幅度缩短识别时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明欣		18	94	5.0	9.0
2	刘涛		10	11	2.0	3.0
3	张耀光		1	0	0.0	0.0