基于多尺度卷积神经网络算法的番茄叶片病害识别

作者：蒋清健; 姚勇; 王亚玲; 苏钰杰

来源：江苏农业科学, 2023, 51(15): 211-216.

DOI：10.15889/j.issn.1002-1302.2023.15.029

• 番茄
• 病害多尺度
• 卷积核
• 混合池化
• 矫正

为提高卷积神经网络识别番茄叶片病害准确率，提出多尺度卷积神经网络算法。首先番茄叶片图像分离为RGB通道，设计3个并行卷积层对番茄叶片图像进行卷积，不同通道使用不同的卷积核，增加了感受野以及提取不同层次的特征，小尺度卷积核主要是提取病斑区域，大尺度卷积核主要是增强特征多样性；接着混合池化方法即局部重要性池化和随机池化，局部重要性池化判别特征信息，丢弃冗余信息，极大地保存了病害区域的局部细节，随机池化增强了网络的泛化能力；然后番茄叶片图像通过中值滤波消噪，二维伽马自适应算法进行亮度矫正；最后损失函数采用多类别交叉熵，构建最小化目标损失函数。试验仿真结果显示本研究算法泛化能力比较强，对番茄叶片病害晚疫病、斑枯病、蜘蛛螨、早疫病、叶霉病、褐斑病的识别准确率分别为95.8%、95.9%、96.3%、94.2%、94.8%、94.1%,优于其他算法。

• 单位
  河南农业大学; 河南经贸职业学院