一种基于改进卷积神经网络的玉米病害高效识别模型

作者：王营瑛; 郑铖; 董伟; 高海涛^*

来源：安徽科技学院学报, 2023, 37(04): 96-104.

DOI：10.19608/j.cnki.1673-8772.2023.0032

• 玉米病害
• 卷积神经网络
• 模型改进
• 特征提取
• 识别精度

目的:针对深度学习模型在玉米病害识别过程中存在精确度低、综合性能差等问题，提出一种改进的卷积神经网络模型，以期取得更好的识别效果。方法:构建由4个卷积层、4个最大池化层和3个全连接层组成的玉米病害识别模型，利用Dropout策略、L2正则化、早停法等优化网络，通过设置不同的初始学习率和批大小，对复杂环境下的6种典型的玉米病害进行分类试验研究，并与LeNet、AlexNet和GoogLeNet网络模型进行性能对比。结果:改进优化后的模型在玉米病害测试集上的识别准确率达到了98.27%,较改进前提高1.25%,单幅图像的平均识别时间缩短了0.007 7 s。与对比模型相比，新模型的识别时间最短，测试准确率比LeNet、AlexNet分别提高了15.52%、4.81%,损失值分别减少了0.805 2、0.157 8,性能曲线变化更平稳。结论:该模型具有识别速度更快、泛化能力更强、鲁棒性更好、识别精度高等特点，为玉米病害的精准高效识别提供了新的方法。

• 单位
  电子工程学院; 安徽省农业科学院; 安徽科技学院