基于改进EfficientNet的植物图像分类算法

作者：光金正; 梁鉴如; 刘义生^*

来源：传感器与微系统, 2022, 41(08): 136-139.

DOI：10.13873/J.1000-9787(2022)08-0136-04

• 植物分类
• 图像识别
• EfficientNet
• 迁移学习
• 嵌入式设备

针对目前嵌入式设备受计算能力和存储容量的限制，难以运行模型体积较大的高精度网络的问题，提出了一种基于改进EfficientNet的植物图像分类算法。该算法是结合神经网络搜索技术，对网络的深度、宽度和分辨率按照特定的比例进行平衡放缩；同时兼顾了速度和精度，并将EfficientNet的激活函数更改为Mish激活函数，进一步提升了精度。实验结果表明：改进EfficientNet在自制植物数据集上分类准确率为97.2%,比原EfficientNet的96.8%提高了0.4%,但比MobileNetV2的94.1%提高了3.1%。在Oxford 102 Flowers数据集上，改进EfficientNet和DenseNet169的分类准确率均为97.7%,但改进EfficientNet有着更小的模型体积和计算量。因此，改进EfficientNet很适合应用在嵌入式设备末端部署。

• 单位
  苏州科技大学; 上海工程技术大学