农业机械学报

作者：刘子豪，张素兰，贾小军，杨俊，张文，徐志玲

单位：嘉兴学院,嘉兴学院,嘉兴学院,嘉兴学院,西南科技大学,中国计量大学,

关键词：深度卷积神经网络;染病虾;泛化精度;图像熵

基金：浙江省基础公益计划项目（LGG21F030013、LGG20F030006、LGG20F010010、LGG22F020021）和嘉兴市科技计划项目（2021AY10071、2020AY10009）

针对南美白对虾样本来源多样导致的泛化效果较差的问题，引入香农信息论构造不同来源样本的特征差异模型，以深度卷积神经网络(DCNN)为识别框架基础，依据多源样本组成的数据集在分类前后呈现的熵减规则计算DCNN中的网络超参数，消解数据集从随机输入到规则输出的信息熵，打破数据类型从三维输入到一维输出的熵变动，实现图像数据由高维空间向低维空间的映射，获取DCNN中关于超参数和网络深度的自适应优化策略，以提高识别不同来源染病虾的泛化效果。实验结果表明，所提方法在单个数据集上的识别精度最高可达97.96%，并在其他4个图像数据集上进行了测试泛化，泛化精度下降幅度小于5个百分点。

来源：2022年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第5期