科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对水稻稻瘟病中人工识别的效率低、识别能力差和识别技术应用不普及的问题，提出基于改进VGG16模型的稻瘟病病症精准识别模型——VGG16-H。首先，建立水稻稻瘟病的病斑图像RiceLeafs数据集，利用计算机视觉和OpenCV将RiceLeafs原始数据进行随机旋转、随机亮度变换、随机对比度等操作，以扩充样本数和增强数据；其次，在传统VGG16模型的基础上，减少卷积核数，增加Dropout层和GN(Group Normalization)层，以减少模型参数，降低运算负荷，提高检测性能，加快模型收敛；最后，通过PyTorch深度学习平台训练，使用卷积神经网络（CNN）构建VGG16-H模型。实验结果表明，VGG16-H模型的训练识别率比支持向量机（SVM）和VGG16模型分别提高了2.4和0.8个百分点，测试识别率分别提高了2.4和1.6个百分点。验证了VGG16-H模型能在计算资源有限、水稻病病斑分散条件下提高模型的识别率且不增加过多的训练时耗，在实际农业运用中具有较好的效果。
- 出版日期2023
- 单位广东工业大学华立学院; 广东财经大学华商学院
