基于卷积神经网络的家蚕病害识别研究

作者：石洪康; 肖文福; 黄亮; 胡丛武; 胡光荣; 张剑飞^*

来源：中国农机化学报, 2022, 43(01): 150-157.

DOI：10.13733/j.jcam.issn.2095-5553.2022.01.022

• 家蚕
• 病害识别
• 卷积神经网络
• 深度学习

病害是我国养蚕业健康发展面临的主要威胁之一,为研究机械化养蚕模式下的家蚕病害防治方法,采用卷积神经网络进行家蚕病害图像的识别研究。首先在实际环境下,采用饲养和添食病原的方法,集中获取家蚕品种芳·秀×白·春在大蚕期的部分生长阶段下患脓病、微粒子病、白僵病、细菌病、农药中毒以及健康状态的样本,并开展图像采集工作,构建出家蚕病害图像数据集。其次采用特征融合和缩减结构的方法,对残差神经网络进行部分改进,以避免直接使用该算法会导致不必要的计算耗损。最后进行家蚕病害识别试验。结果表明:卷积神经网络能够高效准确识别家蚕病害图像,使用改进的算法在测试集上的准确率达到94.31%,与标准的残差神经网络准确率相当,但训练的参数量仅为原来的1/3,且识别效率大幅提升,更有利于网络的训练与部署。

• 单位
  家蚕基因组生物学国家重点实验室; 四川省农业科学院; 西南大学