基于深度残差网络的玉米病害识别

• 作者: 刘翱宇 吴云志 朱小宁 范国华 乐毅 张友华
• 来源期刊: 江苏农业学报
• 关键词: 病害图像识别 深度残差网络 迁移学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 植物保护|PLANT PROTECTION
• 页码范围: 67-74
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2021.01.009

摘要

针对人工诊断玉米病害成本高、效率低、时延长等问题,提出一种基于深度残差网络的玉米病害识别网络TFL-ResNet.TFL-ResNet网络基于ResNet50网络,首先引入Focal Loss损失函数使模型专注于难分类的病害样本,其次将ResNet50网络在PlantVillage数据集训练好的参数迁移到改进网络上以完成构建.采用的玉米病害数据集涉及健康植株、大斑病、灰斑病、锈病4种标签,并使用旋转、翻转、平移等操作对数据集进行数据增强与扩充.对数据集进行训练和测试,与VGG16等对照模型相比,TFL-ResNet网络收敛速度更快、分类效果更好,平均识别准确率高达98.96％.通过观察精准率、召回率、混淆矩阵等评价指标得出TFL-ResNet网络具有较好的鲁棒性和泛化能力,可用于玉米病害智能诊断.