基于SE-ResNeXt的苹果叶片分类方法

摘要：

基于现有深度学习技术,采用基于残差神经网络ResNet的变体SE-ResNeXt,构建可以自动进行苹果品种分类的卷积神经网络模型,并基于迁移学习方法训练模型.数据来源于甘肃省静宁县苹果产业基地拍摄的20类苹果叶片图像,其中每类苹果叶的图片数据量为50幅,合计1000幅.在该数据集上,对ResNet50、ResNet101、SE-ResNet50、SE-ResNet101、SE-ResNeXt50、SE-ResNeXt101这6个模型进行对比实验.结果表明,SE-ResNeXt101的结果优于其它对比模型,最高准确率达到97.5％,单张图片推断时间仅0.125 s.本文方法为今后苹果种植过程中高效、准确地识别苹果品种提供了一种手段,对辅助农技科研与苹果种植具有较大的帮助作用.

关键词：深度学习、残差神经网络、迁移学习、苹果分类、苹果叶片图像

分类号：S323;TP183(作物品种与种质资源（品种资源）)

资助基金：甘肃省高等学校创新基金资助项目;甘肃省自然科学基金资助项目;甘肃省高等学校产业支撑计划项目;甘肃农业大学研究生重点课程建设项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：18-23