基于迁移学习的棉花叶部病虫害图像识别

• 作者: 丁筱玲 侯发东 吕正超 朱慧超 赵立新
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 卷积神经网络 图像识别 病害 图像增强 迁移学习 棉花
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 184-191
• 页数: 8页
• 分类号: S24|TP2
• 字数: 8225字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2020.07.021

摘要

针对传统图像识别方法准确率低、手工提取特征等问题,该研究以棉花叶部病虫害图像为研究对象,利用迁移学习算法并辅以数据增强技术,实现棉花叶部病虫害图像准确分类.首先改进AlexNet模型,利用PlantVillage大数据集训练取得预训练模型,在预训练模型上使用棉花病虫害数据微调参数,得到平均测试准确率为93.50％;然后使用数据增强技术扩充原始数据集,在预训练模型上再训练,得到最终平均测试准确率为97.16％.相同试验条件下,该研究方法较支持向量机(Support Vector Machine,SVM)和BP(Back Propagation,BP)神经网络以及深度卷积模型(VGG-19和GoogLeNet Inception v2)分类效果更好.试验结果表明,通过迁移学习能把从源领域(PlantVillage数据集)学习到的知识迁移到目标领域(棉花病虫害数据集),数据增强技术能有效缓解过拟合.该研究为农作物病虫害识别技术的发展提供了参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵立新	山东农业大学机械与电子工程学院	41	197	8.0	13.0
2	丁筱玲	山东农业大学机械与电子工程学院	49	243	8.0	14.0
3	侯发东	山东农业大学机械与电子工程学院	2	7	1.0	2.0
4	吕正超	山东农业大学机械与电子工程学院	1	0	0.0	0.0
5	朱慧超	山东农业大学机械与电子工程学院	1	0	0.0	0.0