基于VGG-F动态学习模型的苹果病虫害识别

摘要：

为了提高自然环境下苹果病虫害的识别准确率和识别效率,提出了具有动态学习特征的VGG-F苹果病虫害识别模型.首先,依据常见的苹果病害和虫害类型构建图像数据集,同时采用Retinex算法对数据集中的含雾图像进行增强处理;然后选择网络层数较少的VGG-F网络模型作为迁移学习对象,并依据数据样本特性对重训练过程进行学习率动态调整,以及基于试验对比选取最佳动量值;最后,利用数据集对三种不同模型进行重训练和识别效果对比测试.数值测试结果表明:相比于原始VGG-F模型和深层模型VGG-19,苹果病虫害识别准确率分别提升了5％和0.63％,且该模型的重训练时间最短,从而验证了苹果病虫害识别模型的有效性.

关键词：苹果、病虫害识别、VGG-F模型、迁移学习、动态学习率、动量

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划重点专项2016YFD0700903

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：249-253