基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别

周巧黎; 马丽; 曹丽英; 于合龙

首页> 中文期刊> 《智慧农业(中英文)》 >基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别

基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

番茄病害的及时检测可有效提升番茄的质量和产量。为实现番茄病害的实时无损伤检测,本研究提出了一种基于改进MobileNetV3的番茄叶片病害分类识别方法。首先选择轻量级卷积神经网络MobileNetV3,在Image Net数据集上进行预训练,将预训练得到的共享参数迁移到对番茄叶片病害识别的模型上并做微调处理。采用相同的训练方法对VGG16、ResNet50和Inception-V3三种深度卷积网络模型也进行迁移学习并进行对比,结果显示MobileNetV3的总体学习效果最好,在Mixup混合增强和focal loss损失函数下对10类番茄病害的平均测试识别准确率达到94.68%。在迁移学习的基础上继续改进MobileNetV3模型,在卷积层引入空洞卷积和感知机结构,采用GLU(Gated Liner Unit)闸门机制激活函数,训练得到最佳的番茄病害识别模型,平均测试的识别准确率98.25%,模型的数据规模43.57 MB,单张番茄病害图像的检测耗时仅0.27 s。经十折交叉验证(10-Fold Cross-Validation),模型的鲁棒性良好。本研究可为番茄叶片病害的实时检测提供理论基础和技术支持。

著录项

来源
《智慧农业(中英文)》 |2022年第1期|47-56|共10页
作者
周巧黎; 马丽; 曹丽英; 于合龙;
展开▼
作者单位

吉林农业大学信息技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
关键词
番茄病害识别; 卷积神经网络; 迁移学习; MobileNetV3; 激活函数; 识别分类;

相似文献

中文文献
外文文献
专利

1. 基于轻量级卷积神经网络的植物叶片病害识别方法 [J] . 贾鹤鸣 ,郎春博 ,姜子超 . 计算机应用 . 2021,第006期
2. 基于改进DenseNet卷积神经网络的番茄叶片病害检测 [J] . 牛学德 ,高丙朋 ,南新元 . 江苏农业学报 . 2022,第1期
3. 基于改进卷积神经网络的多种植物叶片病害识别 [J] . 孙俊 ,谭文军 ,毛罕平 . 农业工程学报 . 2017,第019期
4. 面向番茄病害识别的改进型SqueezeNet轻量级模型 [J] . 胡玲艳 ,周婷 ,许巍 . 郑州大学学报:理学版 . 2022,第4期
5. 基于一种轻量级卷积神经网络的植物叶片图像识别研究 [J] . 李文逵 ,韩俊英 . 软件工程 . 2022,第2期
6. 一种基于卷积神经网络的改进小样本图像识别算法 [C] . ZHAO Xiao-qiang ,赵小强 ,WANG Fan . 2016年第27届中国过程控制会议 . 2016
7. 改进卷积神经网络算法研究及其在作物叶片病害图像识别中的应用 [A] . 谭文军 . 2019

基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别

摘要

著录项

相似文献

相关主题

期刊订阅