河南农业科学 ›› 2021, Vol. 50 ›› Issue (4): 174-180.DOI: 10.15933/j.cnki.1004-3268.2021.04.023
所属专题: 作物图像采集与识别专题
• 农业信息与工程·农产品加工 • 上一篇
冯晓1,2,李丹丹1,王文君3,郑国清1,2,刘海礁1,2,孙永胜1,梁山1,杨莹1,臧贺藏1,2,张辉1,2
FENG Xiao1,2,LI Dandan1,WANG Wenjun3,ZHENG Guoqing1,2,LIU Haijiao1,2,SUN Yongsheng1,LIANG Shan1,YANG Ying1,ZANG Hecang1,2, ZHANG Hui1,2
摘要: 为实现基于移动端的小麦叶部病害图像便捷识别,基于轻量级卷积神经网络(Convolutional neural network,CNN)和迁移学习建立小麦叶部病害图像识别模型。首先,建立由小麦白粉病、条锈病和叶锈病3种小麦叶部病害图像组成的样本集,每幅图像大小为224像素×224像素;然后,采用深度学习框架Tensorflow 2.0,基于MobileNetV2构建小麦叶部病害图像识别模型,使用ImageNet数据集上训练好的参数作为模型初始参数;最后,分析迁移学习方法、样本量、全局平均池化(Global average pooling,GAP)前添加Dropout层、初始学习率大小对模型性能的影响。结果表明,采用将模型所有层设置为可训练的迁移学习方式、选择适合的数据增强方法增加样本量、在GAP前添加Dropout层、设置0.000 01的初始学习率,对3种小麦病害图像的平均识别准确率高达99.96%。可见,基于MobileNetV2和迁移学习可构建识别准确率高、泛化能力强、适合移动端应用的小麦叶部病害图像识别模型。
中图分类号: