基于迁移学习和残差网络的谷子病害识别研究

作者：张红涛; 罗一铭; 谭联; 杨加蓬; 王宇

来源：河南农业科学, 2023, 52(12): 162-171.

DOI：10.15933/j.cnki.1004-3268.2023.12.018

• 谷子
• 病害识别
• 图像处理
• 计算机视觉
• 迁移学习
• 残差网络

针对谷子病害提出了一种基于迁移学习和残差网络（Residual CNN）的谷子病害图像识别方法。首先，建立由谷子白发病、谷瘟病、红叶病、锈病等4种病害图像以及正常谷子叶片图像组成的原始样本集；然后，采用基于超绿特征的最大类间方差法实现原始图像的分割，建立谷子病害分割图像数据集，并对该数据集进行扩充处理；最后，基于扩充后的谷子病害分割图像数据集，利用迁移学习和残差网络的思想建立谷子病害识别模型。结果表明，该模型的识别率达到98.2%，相较于基于支持向量机（SVM）的谷子病害识别模型提高了8.9百分点，同时该模型的训练时间相较于基于卷积神经网络（CNN）的谷子病害识别模型减少17.69 min。表明基于迁移学习和残差网络的谷子病害识别模型可有效地对4种谷子叶片病害进行识别。

• 单位
  华北水利水电大学