文献类型：期刊文章

作　　者：蒲秀夫[1] 宁芊[1,2] 雷印杰[1] 陈炳才[3]

Pu Xiufu;Ning Qian;Lei Yinjie;Chen Bingcai(College of Electronics and Information,Sichuan University,Chengdu,610065,China;College of Physics and Electronics,Xinjiang Normal University,Urumqi,830054,China;College of Computer Science and Technology,Dalian University of Technology,Dalian,116024,China)

机构地区：[1]四川大学电子信息学院,成都市610065 [2]新疆师范大学物理与电子工程学院,乌鲁木齐市830054 [3]大连理工大学计算机科学与技术学院,辽宁大连116024

出　　处：《中国农机化学报》

基　　金：新疆自治区区域协同创新专项(科技援疆计划)(2019E0214)。

年　　份：2020

卷　　号：41

期　　号：2

起止页码：177-182

语　　种：中文

收录情况：BDHX、BDHX2017、核心刊

摘　　要：卷积神经网络的使用提高物体识别的准确率,但还是存在运行时间长、参数量较大的问题。针对这些问题提出使用二值化卷积神经网络模型对植物病虫害进行识别。试验中以VGG16模型为基准,采用深度网络模型对植物病虫害进行分类,相比于传统植物分类方法有效提高准确率;以符号函数和尺度因子α代替浮点型权值参数,将权值二值化以提高模型的计算速度;采用了PlantVillage数据集共54 306张图片,并且设置不同比例、环境下的数据集用以排除固有偏差对实验的影响,并且对原数据集进行图片扩充以消除样本分布不均的情况。试验表明二值化模型达到原模型近两倍的计算速度,且在分割数据集下测试平均识别准确率能达到96.8%。

关 键 词：农业病害  深度学习  二值化模型  图像分类

分 类 号：S43] TP183] TP391.41]