基于改进ResNet34的玉米病害分类研究

作者：李涵; 唐友^*; 辛鹏; 杨牧

来源：无线互联科技, 2023, 20(13): 127-130.

• ResNet34模型
• 卷积神经网络
• 数据增强
• CBAM注意力模块
• 玉米病害分类

玉米病害分类是一个具有挑战性的问题，因为病害的形态和颜色等特征相似，使得分类难度较大。文章基于深度学习技术，对玉米病害进行分类研究，提出了一种名为CBAM＿ResNet34的卷积神经网络模型。该模型在ResNet34基础上加入了CBAM注意力模块，可以更好地提取玉米病害特征，以提高模型的分类性能。本文使用公开玉米病害数据集，共包含8种类别，通过数据增强技术进行数据扩充得到17 670张图片，可以有效提高模型的泛化能力。将改进后的模型与ResNet34模型进行实验对比，实验结果表明，CBAM＿ResNet34模型的分类准确率为88.1%,相比ResNet34提高了1.1%。该模型能够有效地对玉米病害进行分类识别，为玉米产业的发展和可持续利用提供了一种新的方法和思路。

• 单位
  吉林化工学院; 一汽东机工减振器有限公司; 吉林农业科技学院