基于迁移学习的农作物病虫害检测方法研究与应用

• 作者: 于曦 余小东 唐毅谦 张海清 李丹 杨孟辑
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 农作物病虫害 病虫害等级分类 深度迁移学习 ResNet 50 移动应用程序
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 252-258
• 页数: 7页
• 分类号: TP391.41|TP181
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.10.028

摘要

为了提高农作物病虫害严重程度(健康、一般、严重)的分类效果,采用迁移学习方式并结合深度学习提出了一种基于残差网络(ResNet 50)的CDCNNv2算法.通过对10类作物的3万多幅病虫害图像进行训练,获得了病虫害严重程度分类模型,其识别准确率可达91.51％.为了验证CDCNNv2模型的鲁棒性,分别与使用迁移学习的ResNet 50、Xception、VGG16、VGG19、DenseNet 121模型进行对比试验,结果表明,CDCNNv2模型比其他模型的平均精度提升了2.78 ～ 10.93个百分点,具有更高的分类精度,病虫害严重程度识别的鲁棒性增强.基于该算法所训练的模型,结合Android技术开发了一款实时在线农作物病虫害等级识别APP,通过拍摄农作物叶片病虫害区域图像,能够在0.1 ～0.5s之内获取识别结果(物种-病害种类-严重程度)及防治建议.