基于InceptionV3的烟草病害识别

作者：张文静; 孙秀朋; 乔永亮; 白鹏; 姜红花^*; 王玉军; 杜传印; 宗浩

来源：中国烟草学报, 2021, 27(05): 61-70.

DOI：10.16472/j.chinatobacco.2021.T0061

• 卷积神经网络
• InceptionV3
• 图像增强
• 烟草病害
• 深度学习

【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于InceptionV3网络使用迁移学习方法构建烟草病害识别模型,对比测试原始数据集、数据增强后数据集、MSRCR数据集和图像融合数据集。【结果】图像融合数据集的识别准确率为90.80%,平均识别时间为1.33 s,比原始数据集的识别准确率(70.00%)提高了29.71%。【结论】该方法能快速准确识别烟草病害,可为烟草病害的防治提供理论基础。

• 单位
  山东潍坊烟草有限公司; 山东科技大学; 山东农业大学