谢军 江朝晖 李博

摘要：为提高小样本茶树病害识别的准确率，提出一种基于2次迁移模型的卷积神经网络茶树病害图像识别方法。首先将ResNet模型在ImageNet数据集上进行预训练，然后将预训练模型對植物病害数据集进行参数迁移训练，最后将迁移学习训练后的模型对扩充后的小样本茶树病害数据集进行2次参数迁移训练。结果表明，扩充后的数据集识别准确率较原数据集提高2.32%，再进行2次迁移学习后识别准确率又提高6.38%。通过调整训练超参数，对茶红锈藻病、炭疽病、茶网饼病、圆赤星病、藻斑病等5种茶树病害图像的识别准确率高达96.64%。在对5种茶树病害进行验证时，验证样本识别率与常规深度学习相比由93%提高至98%。2次迁移学习能够有效提高在小样本茶树病害识别下模型的识别能力，对实用化茶树病害识别具有重要的参考意义。

关键词：茶树病害;图像识别;小样本;二次迁移模型;残差网络

茶叶具有重要的食用和经济价值，但茶树病害严重影响其品质和产量[1-2]。以叶部病害为例，常见的茶树病害有茶红锈藻病、炭疽病、茶网饼病等几十种，及时准确地识别茶树病害能够帮助管理人员采取相应的措施减少病害对茶树生长造成的影响。目前茶树病害的识别主要依赖农间管理者长期的经验认知，因此研究快速有效识别茶树病害方法具有重要的研究意义。随着人工智能技术的普及，图像识别技术能帮助农间管理者对茶树病害进行在线检测[3-5]。……