基于轻量化VGG的植物病虫害识别

作者：王江晴; 冀星; 莫海芳; 帖军; 刘畅

来源：中国农机化学报, 2022, 43(04): 25-31.

DOI：10.13733/j.jcam.issn.2095-5553.2022.04.005

• 轻量化
• 病虫害识别
• Ghost模块
• VGG网络
• Ranger优化器

深度神经网络模型被广泛应用在植物病虫害识别任务中，并取得巨大成功。同时，这些网络的计算复杂度和参数量也在不断增加，这将对神经网络的部署提出重大挑战，尤其是在硬件资源有限的设备或实时应用上。针对该问题，提出一种轻量化的病虫害识别模型，结合Ghost模块对VGG16进行改进，同时减少模型卷积层的卷积核个数，并引入Ranger优化器。试验结果表明，该模型在PlantVillage数据集上准确率为99.37%,FLOPs为88.45 M,比VGG16下降71.86%,有较快的收敛速度，在复杂环境下，模型的准确率为92.40%,识别时间为VGG16的50%。

• 单位
  中南民族大学