基于深度迁移学习的EfficientNet玉米叶部病害识别

作者：王大庆; 禄琳; 于兴龙; 耿丽丽; 任志鹏^*

来源：东北农业大学学报, 2023, 54(05): 66-76.

DOI：10.19720/j.cnki.issn.1005-9369.2023.05.008

• 卷积神经网络
• 迁移学习
• 玉米叶片
• 病害识别
• EfficientNet

灰斑病、锈病和大斑病给玉米产业造成巨大经济损失，精准诊断可降低其对农业发展的不良影响。文章基于深度迁移学习理论提出一种两阶段迁移学习的EfficientNet模型，解决识别复杂背景玉米叶部病害过程中出现的域迁移和小样本问题。经ImageNet至Plant Village及Plant Village至本地数据集（Localdataset）的两阶段迁移学习后，微调的EfficientNet模型与先进的深度网络模型在预留的玉米病叶数据集上进行预测。两阶段迁移学习试验表明，EfficientNet B4模型性能最优。第一阶段和第二阶段B4模型准确率分别达到98.61%和99.10%,F1分数达到0.9840和0.9908，此外B4模型参数量比先进深层卷积神经网络少。B0模型参数量对标轻量级卷积神经网络，识别效果优于两种经典MobileNet结构，更适合移动端搭载。此外，训练过程中应用Mish激活函数可提升模型性能。经两阶段迁移学习的EfficientNet有效解决训练不充分和域迁移等问题，为田间复杂背景下玉米叶部病害识别提供应用实例，为智慧农业移动设备开发提供理论基础。

• 单位
  黑龙江省农垦科学院; 黑龙江省农垦经济研究所