文献类型：期刊文章

作　　者：姚建斌[1] 张英娜[1] 刘建华[1]

YAO Jianbin;ZHANG Yingna;LIU Jianhua(School of Information Engineering,North China University of Water Resources and Electric Power,Zhengzhou 450046,China)

机构地区：[1]华北水利水电大学信息工程学院,河南郑州450046

出　　处：《华北水利水电大学学报（自然科学版）》

基　　金：国家自然科学青年基金项目(51809095);河南省科技攻关项目(222102110304)。

年　　份：2022

卷　　号：43

期　　号：2

起止页码：102-108

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：为实现对小麦病虫害的高效识别检测,构建了小麦病虫害精准识别网络模型。首先,利用AlexNet、VGGNet16、Inception-V3等3种类型的卷积神经网络构建了3种小麦病虫害分类模型,通过对模型平均识别准确率和处理速度两个指标的对比,优选出VGGNet16作为基础网络。然后,通过添加随机噪声和随机滤波、随机旋转和随机色彩抖动对训练集进行数据扩充,基于数据扩充前后的样本集,对VGGNet16网络进行仅训练全连接层和训练所有层两种方式的迁移学习,并分别在渐变学习率和不变学习率条件下进行训练。训练结果表明:数据扩充有助于增加数据的多样性,避免出现过拟合现象;训练所有层的迁移学习方式能够明显提高模型的分类准确性;渐变学习率可以有效加快模型的收敛;基于扩充数据集,使用训练所有层的迁移学习方法,在渐变学习率条件下训练的模型效果最佳,平均识别准确率高达95%,说明该模型在小麦病虫害精准识别上具有广泛的应用前景。

关 键 词：小麦病虫害识别  卷积神经网络 数据扩充  迁移学习  渐变学习率  

分 类 号：S126]