基于改进残差网络的果实病害分类方法

作者：肖经纬; 田军委; 王沁; 程希希; 王佳

来源：计算机工程, 2020, 46(09): 221-225.

DOI：10.19678/j.issn.1000-3428.0056094

• 深度学习
• 残差网络
• 图像分类
• 果实病害
• 损失函数

传统的残差网络在果实病害分类中存在层数较多,以及在实际应用中有参数冗余的问题,且原始损失函数对具有相似特征的病害容易造成错误识别。为解决果害分类中参数过多及相似样本区分度低的问题,提出一种改进的残差网络结构,以降低残差块数量与卷积核数量来减少卷积层参数。同时,在原始损失函数中加入类间相似惩罚项来扩大不同类间距,以提高对病害的分类准确率。实验结果表明,相比原始的残差网络,改进后的残差网络降低约25%的参数量,改进后损失函数的识别准确率达到92.76%。

• 单位
  西安工业大学; 机电工程学院