科研之友
微信
新浪微博
Facebook
分享链接
摘要
番茄叶部病害严重影响了番茄的产量和质量，为实现在移动设备实时对番茄进行病害识别，提高番茄的产量，减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合，对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别，首先将数据集按照9∶1的比例分为训练集和验证集，对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型，然后在模型最后加上2层全连接层并用Dropout层防止过拟合，接着通过Softmax层输出实现对番茄病害图像分类识别，最后利用验证集来统计模型的准确率和损失值。其中，冻结部分卷积层准确率最高，达到93.67%。另外，通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间，其中迁移学习的MobileNet V2模型的准确率最高，运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳，速度较快，为在移动设备实时对番茄病害识别提供了技术支持。
- 单位
