-
题名基于迁移学习的番茄叶片病害图像分类
被引量：36
- 1
-
-
作者
王艳玲
张宏立
刘庆飞
张亚烁
-
机构
新疆大学电气工程学院
-
出处
《中国农业大学学报》
CAS
CSCD
北大核心
2019年第6期124-130,共7页
-
基金
国家自然科学基金项目(51767022)
-
文摘
针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。
-
关键词
番茄
卷积神经网络
迁移学习
特征提取
SVM
病害分类
-
Keywords
tomato
convolution neural network
transfer learning
feature extraction
SVM
diseases classification
-
分类号
S436.412
[农业科学—农业昆虫与害虫防治]
TP391.41
[农业科学—植物保护]
-
