基于剪枝的植物病害识别方法

作者：朱冬琴; 冯全^*; 张建华

来源：浙江农业学报, 2023, 35(06): 1462-1472.

• 卷积神经网络
• 病害识别
• 剪枝
• 模型压缩

为实时自动检测植物病害，需要将病害识别模型部署在边缘/移动设备上，但是，目前在病害识别领域具有优越性能的深度卷积神经网络因受模型体积和计算资源的限制，无法直接进行部署。为解决这个问题，提出基于剪枝的病害识别方法，该方法利用BN层中的γ系数进行通道剪枝，实现对Vgg16、ResNet164和DenseNet40网络的压缩。以PlantVillage植物病害数据集为研究对象，对3种网络进行模型压缩。结果表明，压缩后的Vgg16-80%、ResNet164-80%和DenseNet40-80%的平均准确率分别为97.46%、99.12%和99.68%,DenseNet40-80%准确率最高，且模型的参数量最少，仅为0.27×106;Vgg16-80%的压缩效果最明显，剪掉了97.83%的参数量和96.77%的计算量，且剪枝后的计算量最小，仅有0.01×109;Vgg16-80%和DenseNet40-80%剪枝后的精度高于原始模型。因此，本研究方法能够解决大型神经网络的过参数化问题，降低计算成本，可为现有大网络在小型设备上部署提供思路。

• 单位
  甘肃农业大学; 中国农业科学院农业信息研究所; 机电工程学院