声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：许景辉,邵明烨,王一琛,韩文霆?
单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,
关键词：玉米病害; 迁移学习; 深度学习; 图像识别; 卷积神经网络
基金：国家重点研发计划项目(2017YFC0403203)和陕西省水利科技计划项目(2014slkj-18)
为实现小数据样本复杂田间背景下的玉米病害图像识别，提出了一种基于迁移学习的卷积神经网络玉米病害图像识别模型。在VGG-16模型的基础上，设计了全新的全连接层模块，并将VGG-16模型在ImageNet图像数据集训练好的卷积层迁移到本模型中。将收集到的玉米病害图像数据集按3∶1的比例分为训练集与测试集。为扩充图像数据，对训练集原图进行了旋转、翻转等操作。基于扩充前后的训练集，对只训练模型的全连接层和训练模型的全部层（卷积层+全连接层）两种迁移学习方式进行了试验，结果表明，数据扩充和训练模型的全部层能够提高模型的识别能力。在训练模型全部层和训练集数据扩充的条件下，对玉米健康叶、大斑病叶、锈病叶图像的平均识别准确率为95.33%。与全新学习相比，迁移学习能够明显提高模型的收敛速度与识别能力。将训练好的模型用Python开发为图形用户界面，可实现田间复杂背景下玉米大斑病与锈病图像的智能识别。
来源：2020年第2期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。