基于深度学习的大豆豆荚类别识别研究

• 作者: 闫壮壮 闫学慧 石嘉 孙凯 虞江林 张战国 胡振邦 蒋鸿蔚 辛大伟 李杨 齐照明 刘春燕 武小霞 陈庆山 朱荣胜
• 来源期刊: 作物学报
• 关键词: 大豆育种 豆荚辨别 深度学习 迁移学习
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 耕作栽培·生理生化
• 页码范围: 1771-1779
• 页数: 8页
• 语种: 中文
• DOI: 10.3724/SP.J.1006.2020.94187

摘要

作物表型调查是作物品种选育过程中的一项关键工作。传统表型调查主要依靠人力, 使得表型调查的结果难以达到自动化、高精度、高可靠性的要求。在大豆的表型调查中, 对豆荚类别的正确识别是豆荚个数、长度和宽度等表型准确提取的关键和前提。本文针对成熟期大豆豆荚的图片, 通过利用深度学习迁移5种不同的网络模型[AlexNet、VggNet (Vgg16, Vgg19)、GoogleNet、ResNet-50], 对一粒荚、二粒荚、三粒荚、四粒荚进行识别。为提高训练速度和准确率, 本试验微调模型, 选择不同的优化器(SGD、Adam)对网络模型进行优化。结果表明, 在针对豆荚辨识问题中, Adam的性能优于SGD, 而Vgg16网络模型搭配Adam优化器, 豆荚类别的测试准确率达到了98.41%, 在所选的网络模型中体现了最佳的性能。在十折交叉验证试验中也体现了Vgg16网络模型具有良好的稳定性。因此本研究认为Vgg16网络模型可以应用到实际的豆荚识别中, 为进一步实现豆荚表型自动提取提供一条重要的解决途径。