文献类型：期刊文章

作　　者：张建华[1] 孔繁涛[1] 吴建寨[1] 翟治芬[2] 韩书庆[1] 曹姗姗[1]

ZHANG Jianhua;KONG Fantao;WU Jianzhai;ZHAI zhifen;HAN Shuqing;CAO Shanshan(Agricultural Information Institute/Key Laboratory of Agri-information Services Technology of Ministry of Agriculture,Chinese Academy of Agricultural Sciences,Beijing 100081,China;Chinese Academy of Agricultural Engineering,Beijing 100125,China)

机构地区：[1]中国农业科学院农业信息研究所/农业部农业信息服务技术重点实验室,北京100081 [2]农业部规划设计研究院,北京100125

出　　处：《中国农业大学学报》

基　　金：国家自然科学基金项目(31501229);中央级公益性科研院所基本科研业务费专项(Y2018PT35;Y2018PT82;JBYW-AII-2017-05)

年　　份：2018

卷　　号：23

期　　号：11

起止页码：161-171

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、JST、RCCSE、WOS、ZGKJHX、ZR、核心刊

摘　　要：为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。

关 键 词：棉花 卷积神经网络 VGG网络  病害 图像识别

分 类 号：S431]