基于深度可分离卷积的苹果叶病理识别

• 作者: 刘雪花 王健
• 来源期刊: 计算机系统应用
• 关键词: 迁移学习 图像处理 数据增强 深度卷积网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 190-195
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007710

摘要

本文以斑点落叶病等5种苹果叶病害为研究对象,设计了一种基于深度可分离卷积的苹果叶病理识别方法.该方法采用概率数据增强对原始数据集进行扩增,使用迁移学习探索了深度可分离卷积神经网络在农作物病理识别中的应用:设计了一种适用于受限设备的深度学习模型以实现对苹果叶病害的识别分类,并将该模型进行压缩和转换,移植到某嵌入式系统上进行了验证.实验结果表明该方法在受限设备上的识别率最高仍可达85.96％,具有较好的识别效果.