面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet 模型

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）》

邱文杰 叶进 胡亮青 杨娟 李其利 莫贱友 易万茂

摘要： 卷积神经网络（CNN） 的发展带来了大量的网络参数和庞大的模型体积，极大地限制了其在小规模 计算资源设备上的应用。为将CNN应用在各种小型设备上，研究了一种基于知识蒸馏的结构化模型压缩方 法。该方法首先利用VGG16训练了一个识别率较高的教师模型，再将该模型中的知识通过蒸馏的方法迁移 到MobileNet，从而大幅减少了模型的参数量。将知识蒸馏后的Distilled-MobileNet模型应用在14种作物的38 种常见病害分类中。进行了知识蒸馏在VGG16、AlexNet、GoogleNet和ResNet 4种不同网络结构上的表现测 试，结果表明，当VGG16作为教师模型时，模型准确率提升了97.54%; 使用单个病害识别率、平均准确率、 模型内存、平均识别时间4个指标对训练好的Distilled-MobileNet模型进行真实环境下准确性评估，经测试， 模型的平均准确率达到了97.62%，平均识别时间缩短至0.218 s，仅占VGG16模型的13.20%，模型大小压缩 仅为19.83 MB，相比于VGG16缩小了93.60%，使其具备了较高的准确性和实时性要求。本方法模型在压缩 内存体积和缩短识别时间上较传统神经网络有了明显提高，为内存和计算资源受限设备上的病害识别提供 了新的思路。

 点击量 392  下载量 123  评论 0