基于迁移学习和残差网络的谷子病害识别研究
张红涛1
罗一铭2
谭联2
杨加蓬2
王宇2
1.华北水利水电大学 电气工程学院,河南 郑州 450045;河南省智慧农业光谱成像检测装备工程技术研究中心,河南 郑州 4500452.华北水利水电大学 电气工程学院,河南 郑州 450045
摘要：针对谷子病害提出了一种基于迁移学习和残差网络(Residual CNN)的谷子病害图像识别方法.首先,建立由谷子白发病、谷瘟病、红叶病、锈病等4种病害图像以及正常谷子叶片图像组成的原始样本集;然后,采用基于超绿特征的最大类间方差法实现原始图像的分割,建立谷子病害分割图像数据集,并对该数据集进行扩充处理;最后,基于扩充后的谷子病害分割图像数据集,利用迁移学习和残差网络的思想建立谷子病害识别模型.结果表明,该模型的识别率达到98.2%,相较于基于支持向量机(SVM)的谷子病害识别模型提高了8.9百分点,同时该模型的训练时间相较于基于卷积神经网络(CNN)的谷子病害识别模型减少17.69 min.表明基于迁移学习和残差网络的谷子病害识别模型可有效地对4种谷子叶片病害进行识别.
关键词：谷子病害识别图像处理计算机视觉迁移学习残差网络
分类号：S515(禾谷类作物)TP391.4(计算技术、计算机技术)S126(农业物理学)
资助基金：国家自然科学基金(31671580)河南省重点研发与推广专项(232102110265)
论文发表日期：2023-12-15
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( 162-171 )
英文信息