基于TACNN的玉露香梨叶虫害识别
2021-05-14赵志焱胡志伟宇海萍
计算机工程与应用 2021年9期
关键词:模型
赵志焱,杨 华,胡志伟,宇海萍
山西农业大学 信息科学与工程学院,山西 晋中030801
玉露香梨作为中熟梨的“新秀”,在华北和西北种植面积超过了80 万亩,种植面积有不断扩张的趋势。玉露香梨在生长过程中,容易受到虫害的侵入且虫害种类繁多,严重时直接影响果实的质量和产量,同时会引起周围不同品种受害。梨叶虫害的识别多数是通过人眼辨别或网上专家的诊断,容易产生误判[1],费时费力,识别结果不尽人意。因此玉露香梨叶虫害识别模型的研究为辅助玉露香虫害防治决策提供了帮助。
近年来许多学者采用机器学习的方法进行虫害自动识别[2],其中卷积神经网络(Convolution Neural Network,CNN)因比传统学习方法更具有特征表达能力而被广泛应用到果蔬作物虫害识别中。国内外学者通过不断优化CNN 模型的参数和结构对不同果蔬病害进行识别。Amara 等[3]利用LeNet 模型对早期的香蕉叶病害进行识别,该模型对光线及背景有严格要求,普适性不够。文献[4]通过引进GoogLeNet Inception结构并改进AlexNet模型的卷积层、池化层、提升了模型收敛速度,提高了对苹果病害的识别准确率。文献[5-6]借助迁移学习方法将AlexNet 模型在ImageNet 图像数据集上学习得到的知识迁移到油茶和玉米病害识别模型中,实现了对病害的有效识别,由于采用动态数据扩充方式,可在一定程度上避免模型过度拟合。Fuentes 等[7]通过将实验模型的每个元架构与VGG 网络和剩余网络结合,成功地识别9种番茄虫害和病害,提出了用于局部、全局类注释和数据增强方法,减少训练期间的误报次数。……
登录APP查看全文
