基于改进轻量级卷积神经网络MobileNetV3 的番茄叶片病害识别

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

周巧黎 马丽 曹丽英 于合龙

摘要： 番茄病害的及时检测可有效提升番茄的质量和产量。为实现番茄病害的实时无损伤检测，本研究 提出了一种基于改进MobileNetV3 的番茄叶片病害分类识别方法。首先选择轻量级卷积神经网络Mobile⁃ NetV3，在Image Net数据集上进行预训练，将预训练得到的共享参数迁移到对番茄叶片病害识别的模型上并 做微调处理。采用相同的训练方法对VGG16、ResNet50和Inception-V3 三种深度卷积网络模型也进行迁移学 习并进行对比，结果显示MobileNetV3的总体学习效果最好，在Mixup混合增强和focal loss损失函数下对10 类番茄病害的平均测试识别准确率达到94.68%。在迁移学习的基础上继续改进MobileNetV3模型，在卷积 层引入空洞卷积和感知机结构，采用GLU（Gated Liner Unit） 闸门机制激活函数，训练得到最佳的番茄病害 识别模型，平均测试的识别准确率98.25%，模型的数据规模43.57 MB，单张番茄病害图像的检测耗时仅 0.27 s。经十折交叉验证（10-Fold Cross-Validation），模型的鲁棒性良好。本研究可为番茄叶片病害的实时 检测提供理论基础和技术支持。

 点击量 365  下载量 134  评论