基于残差神经网络的烟草病害识别研究

• 作者: 张铄 苗晟 董建娥 谢裕睿
• 来源期刊: 现代计算机
• 关键词: 烟草病害 K-means聚类分割 SVM算法 ResNet模型 残差块
• 年，卷（期）: 2020,（30）
• 所属期刊栏目: 图形图像
• 页码范围: 27-31
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.30.006

摘要

针对非专业人员对烟草病害识别的不准确性及传统识别方法的不足,以五种常见的烟草病害为研究对象,提出基于SVM和ResNet的图像处理方法来诊断病害.通过对病害图像进行对比度增强、颜色空间转换等预处理,采用K-means聚类算法分割病斑区域并提取其13维特征.利用传统的机器学习方法SVM识别烟草病害的效果并不理想,本研究通过构造恒等残差块和卷积残差块来搭建20层的ResNet模型,经过训练自动得到相关特征参数并进行识别.实验结果表明SVM识别的平均准确率为50.23％,而ResNet模型识别的平均准确率为89.50％.残差神经网络具有较高的识别精度,本研究可为烟草病害的诊断提供参考.