基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别

作者：冯晓; 李丹丹; 王文君; 郑国清; 刘海礁; 孙永胜; 梁山; 杨莹; 臧贺藏; 张辉^*

来源：河南农业科学, 2021, 50(04): 174-180.

DOI：10.15933/j.cnki.1004-3268.2021.04.023

• 小麦
• 叶部病害
• 卷积神经网络
• 迁移学习
• 图像识别
• MobileNetV2
• 计算机视觉

为实现基于移动端的小麦叶部病害图像便捷识别,基于轻量级卷积神经网络(Convolutional neural network, CNN)和迁移学习建立小麦叶部病害图像识别模型。首先,建立由小麦白粉病、条锈病和叶锈病3种小麦叶部病害图像组成的样本集,每幅图像大小为224像素×224像素;然后,采用深度学习框架Tensorflow 2.0,基于MobileNetV2构建小麦叶部病害图像识别模型,使用ImageNet数据集上训练好的参数作为模型初始参数;最后,分析迁移学习方法、样本量、全局平均池化(Global average pooling, GAP)前添加Dropout层、初始学习率大小对模型性能的影响。结果表明,采用将模型所有层设置为可训练的迁移学习方式、选择适合的数据增强方法增加样本量、在GAP前添加Dropout层、设置0.000 01的初始学习率,对3种小麦病害图像的平均识别准确率高达99.96%。可见,基于MobileNetV2和迁移学习可构建识别准确率高、泛化能力强、适合移动端应用的小麦叶部病害图像识别模型。

• 单位
  河南省农业科学院农业经济与信息研究所; 河南省林业科学研究院