科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现小样本数据下的葡萄病害图像识别，基于迁移学习和数据增强技术，实现了葡萄叶部病害图像的精准分类。在ResNet50模型的基础上，保留了卷积层并设计了全新的全连接层。对葡萄病害数据集原图进行亮度变换、旋转、添加高斯噪声等操作，以扩充数据集，防止模型过拟合，且将数据集按1:4划分为验证集与训练集，训练模型的全连接层。试验结果表明：ResNet50模型对葡萄黑腐病叶、褐斑病叶、轮斑病叶及健康叶的平均识别准确率达97.87,比VGG16和VGG19模型分别高出4.02%和1.86%,分类效果优于其他模型；葡萄叶片黑腐病、褐斑病、轮斑病和健康的召回率分别为97%、96%、99%及99%,均在96%以上。由此表明，模型具有较好的鲁棒性和识别性能，可为果园自动化喷药提供技术参考。
- 单位
