基于快照集成卷积神经网络的苹果叶部病害程度识别

摘要：

针对苹果叶部病害程度识别准确率低的问题,构建了一种基于快照集成方法的苹果叶部病害程度识别模型.首先,通过多种数字图像处理技术对原始苹果叶部病害图像进行数据增强;然后,选取Inception-ResNet V2作为基模型,引入CBAM模块提升网络的特征提取能力,使用焦点损失函数缓解苹果叶部病害数据集类别不平衡问题;最后,通过快照集成方法进行模型集成,得到苹果叶部病害程度识别模型.利用苹果黑星病和锈病的早期和晚期病害数据集进行了模型验证,准确率高达90.82％,比单一Inception-ResNet V2模型的准确率提高了 2.50个百分点.实验结果表明,基于快照集成的识别模型准确率较高,为苹果叶部病害程度识别研究提供了参考.

关键词：苹果叶部、病害识别、卷积神经网络、CBAM模块、焦点损失函数、快照集成

所属期刊栏目：53

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省重点研发计划项目;CCF-百度松果基金;国家重点研发计划;陕西省重点研发计划项目;宁夏智慧农业产业技术协同创新中心项目;国家级大学生创新创业训练计划项目

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：286-294