基于深度学习的大豆豆荚类别识别研究
作物表型调查是作物品种选育过程中的一项关键工作.传统表型调查主要依靠人力,使得表型调查的结果难以达到自动化、高精度、高可靠性的要求.在大豆的表型调查中,对豆荚类别的正确识别是豆荚个数、长度和宽度等表型准确提取的关键和前提.本文针对成熟期大豆豆荚的图片,通过利用深度学习迁移5种不同的网络模型[AlexNet、VggNet(Vgg16,Vgg19)、GoogleNet、ResNet-50],对一粒荚、二粒荚、三粒荚、四粒荚进行识别.为提高训练速度和准确率,本试验微调模型,选择不同的优化器(SGD、Adam)对网络模型进行优化.结果表明,在针对豆荚辨识问题中,Adam的性能优于SGD,而Vgg16网络模型搭配Adam优化器,豆荚类别的测试准确率达到了98.41％,在所选的网络模型中体现了最佳的性能.在十折交叉验证试验中也体现了Vgg16网络模型具有良好的稳定性.因此本研究认为Vgg16网络模型可以应用到实际的豆荚识别中,为进一步实现豆荚表型自动提取提供一条重要的解决途径.
大豆育种、豆荚辨别、深度学习、迁移学习
46
本研究由国家自然科学基金项目;国家自然科学基金青年项目
2020-09-29（万方平台首次上网日期，不代表论文的发表时间）
共9页
1771-1779
