文献类型：期刊文章

作　　者：黄英来[1] 艾昕[1]

HUANG Yinglai;AI Xin(College of Information and Computer Engineering,Northeast Forestry University,Harbin 150040,China)

机构地区：[1]东北林业大学信息与计算机工程学院,哈尔滨150040

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(31670717);中央高校基本科研业务费专项基金(2572018BH03)。

年　　份：2021

卷　　号：57

期　　号：23

起止页码：178-184

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统的玉米叶片病害图像识别方法正确率不高、速度慢等问题,提出一种基于改进深度残差网络模型的玉米叶片图像识别算法。提出的改进策略有:将传统的ResNet-50模型第一层卷积层中7×7卷积核替换为3个3×3的卷积核;使用LeakyReLU激活函数替代ReLU激活函数;改变残差块中批标准化层、激活函数与卷积层的排列顺序。进行数据预处理,将训练集与测试集的比例划分为4∶1,采用数据增强的方式对训练集进行扩充,将改进的ResNet-50模型经过迁移学习得到在ImageNet上预训练好的权重参数。实验结果表明,改进的网络在玉米叶片病害图像分类中得到了98.3%的正确率,与其他网络模型相比准确率大幅提升,鲁棒性进一步增强,可为玉米叶片病害的识别提供参考。

关 键 词：玉米叶片病害  图像识别 深度学习  残差网络  迁移学习  

分 类 号：TP391.4]