基于改进残差网络的苹果叶片病害识别研究
陈聪
于啸
宫琪
山东理工大学计算机科学与技术学院,山东淄博255049
摘要：苹果叶片病害形态相似、斑点大小不同,依靠人工和农业专家识别的传统方式效率较低.为此提出一种基于改进残差网络的苹果病害识别模型REP-ResNet.该模型在基准模型ResNet-50的基础上通过采用批标准化、激活函数、卷积层的残差结构顺序,加入通道注意力机制和并行卷积的方式进行改进.训练过程中,将公开数据集PlantVillage预训练的模型权重参数迁移至上述网络模型中重新训练,达到加快网络的收敛速度和提高模型识别能力的目的.采用数据扩充的方式解决训练过程中样本不均的问题.结果表明,REP-ResNet模型与基准网络模型相比识别准确率提高2.41个百分点.模型使用迁移学习的方式进行训练,在复杂背景下的苹果叶片病害识别中准确率达到97.69％,与传统卷积神经网络相比识别效果有较大提高.
关键词：病害识别苹果叶片残差网络迁移学习深度学习
分类号：S126(农业物理学)
资助基金：国家自然科学基金(NSFC31902)黑龙江省博士后基金项目(LBH-Z16028)山东理工大学博士研究基金项目(420052)
论文发表日期：2023-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 152-161 )
英文信息