科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对人工诊断棉叶螨害分级准确率低、耗时长、成本高的问题，提出一种基于迁移学习和改进残差网络的棉花叶螨为害等级识别方法。以3种受害等级的棉花叶片与健康叶片图像作为对象，分别于单一背景和自然环境下采集图像，构建图像数据集。首先，利用PlantVillage数据集预训练模型，使用数据增强技术对数据集进行数据增强，扩充训练样本；然后，在ResNet50网络模型的基础上，引入焦点损失函数，在不同网络层嵌入注意力机制模块，并加入Dropout正则化构建改进的ResNet50模型；最后，对比不同模型的识别效果。结果表明：同时在深层和浅层引入注意力机制模块，设定动量为0.9、学习率为0.001时，改进的ResNet50模型具有最好的分类效果，优于ResNet50、VGG16、MobileNet、AlexNet和SENet模型，对棉叶螨危害等级的平均识别准确率达到97.8%。
- 出版日期2023
- 单位塔里木大学
