基于GoogLeNet改进模型的苹果叶病诊断系统设计

作者：宋晨勇; 白皓然^*; 孙伟浩; 马皓冉

来源：中国农机化学报, 2021, 42(07): 148-155.

DOI：10.13733/j.jcam.issn.2095-5553.2021.07.22

• 苹果叶病识别
• 数据增强
• GoogLeNet改进模型
• Tornado框架

针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。

• 单位
  机电工程学院; 青岛农业大学