基于深度学习的番茄叶片病害分类识别研究

摘要：

对番茄病害进行及早的诊断与治疗有助于提升番茄的产量,将人工智能与农业生产相结合可以对番茄病害进行快速地无损伤检测.基于此提出一种基于深度学习的番茄叶片病害分类识别研究方法,选取番茄叶片的5类常见病害进行试验,以MobileNetV3为基础模型进行改进,分析不同学习方式、激活函数及优化算法对该模型准确性的影响.并将该模型与MobileNetV3、VGG16、ResNet50和InceptionV3作对比,同时采用十折交叉验证对模型的鲁棒性进行评估.研究表明,该模型分类性能良好,对常见的番茄叶片病害图像的平均识别准确率可达97.29％,无论模型大小、运行时间还是分类精度上都优于其他几个模型,为番茄叶片常见病害识别提供一定的可参考性.

关键词：番茄病害、多层感知机、空洞卷积、损失函数、识别分类

所属期刊栏目：44

分类号：S436.412;TP391.4(病虫害及其防治)

资助基金：吉林省发展;改革委员会高级产业发展项目;吉林省科技厅项目

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：187-193,206