基于深度学习的番茄叶部病害识别方法研究.pdf
《基于深度学习的番茄叶部病害识别方法研究.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的番茄叶部病害识别方法研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、25农业灾害研究 2023,13(8)基于深度学习的番茄叶部病害识别方法研究王明英1,王 嘉2,裴志远1,李宇豪2,李荣荣31.山西省大宁县气象局,山西大宁 042300;2.山西省吉县气象局,山西吉县 042200;3.山西省曲沃县气象局,山西曲沃 043400摘要 在深度学习中,番茄叶部病害图像识别模型往往采用传统的卷积神经网络,虽然识别率高、性能好,但存在参数量大、成本高、训练时间长等问题,在硬件资源受限的环境条件下局限性较大,难以部署到移动设备、嵌入式设备等终端。基于此,在ResNet18的主体结构上,通过增加特征提取尺度、更新残差层连接方式、分解大卷积核等操作,采用了一种改进型的病害
2、识别模型Multi-scale ResNet。在减少参数量的同时降低了空间存储开销。试验结果表明,与ResNet18相比,在准确率相差不大的情况下,模型的训练参数减少约99%。提出的改进型网络在保证精确度的前提下降低了模型的复杂度,使番茄叶部病害识别模型在硬件资源受限的条件下仍可以运行部署,更具有普适性。关键词 深度网络;病害识别;多尺度;残差层中图分类号:S436.412.1 文献标识码:B 文章编号:20953305(2023)080025-03番茄是重要的蔬菜作物,全球年总产量达1.7亿 t,在蔬菜作物中位居首位。然而,我国番茄的病害不少于30种,其中严重发生、流行地区日趋扩大,且造成明
3、显减产的病害超过10种,这些病害成为番茄高产稳产的一大阻碍1。因此,识别防治番茄叶部病害类型,能有效阻止病害传播并降低其造成的经济损失2。柴洋等3通过选取5种番茄叶片病害部位较明显的特征,并根据该特征值采用贝叶斯分类器对番茄3种病害进行识别,准确率达到92%以上。郭小清等4根据番茄叶部病害的特点,对AlexNet采取多种尺度卷积、去除局部的归一化层等操作,减少了网络参数量,该模型的识别准确率可达到92.7%。胡志伟等5提出一种网络ARNet,在残差网络上引入注意力机制,提高了番茄病害识别的细粒度水平和鲁棒性,识别准确率可达到88.2%。随着深度学习模型的不断发展,为适应更复杂的环境,网络层的设
4、计都朝着深度化方向发展。然而,由于计算量大、存储成本高、模型复杂、硬件要求高等特性,使得深度学习无法有效地应用于轻量级移动便携设备6-7。因此,在保证模型识别准确率的前提下,应该尽量压缩模型复杂度。本研究分析了ResNet18网络的不足之处,并在其主体结构的基础上,采用了一种改进型网络Multi-scale ResNet8。对该模型分别采用不同epoch进行训练,以判断模型的收敛情况和稳定性。1 番茄叶部病害识别方法研究1.1 试验流程设计采用深度学习的通用流程进行试验,设置好训练参数后划分数据集,并对数据进行预处理、数据增强操作,然后将数据读入内存;构建网络模型,定义损失函数和优化器,然后使
5、用该模型对读入数据集进行训练,将训练好的模型用于测试集,预测识别效果,对该模型的性能进行评估。1.2 试验参数设置本试验采用的软件环境为:Windows 64位系统,TensorFlow 2.4.0配合Cuda11.0 进行训练,Python编程语言(Python 3.8.5),使用Jupyter Notebook实现。Research on Tomato Leaf Disease Recognition method based on Deep LearningWang Ming-ying et al(Daning Meteor-ological Bureau,Daning,Shanxi 0
6、42300)Abstract In deep learning,several traditional convolutional neural networks are often used in tomato leaf disease image recognition models.Although the recognition rate is high and the performance is good,there are still problems such as large parameter quantities,high cost,and long training t
7、ime.In an environment with limited hardware resources,there are still significant limitations and it is difficult to deploy to mobile devices,embedded devices,and other terminals.Based on the main structure of ResNet18,adopted an improved disease identification model,Multiscale ResNet,by adding feat
8、ure extraction scales,updating residual layer connectivity,and decomposing large convolution cores.Reducing the amount of parameters while reducing the space storage overhead.The experimental results showed that compared with ResNet18,the training parameters of the model were reduced by about 99%wit
9、h little difference in accuracy.The improved network proposed in this study reduced the complexity of the model while ensuring accuracy,making the tomato leaf disease identification model still operational and deployable under limited hardware resources,making it more universal.Key words Deep networ
10、k;Disease identification;Multi scale;Residual layer作者简介 王明英(1999),女,山西大宁人,助理工程师,主要从事地面气象综合观测等工作。收稿日期 2023-03-1026Journal of Agricultural Catastrophology 2023,Vol.13 No.8硬件环境:计算机内存16 GB;处理器为AMD Ryzen 7 4800H with Radeon Graphics,2.90 GHz;GPU为NVIDIA GeForce RTX 2060,6 GB显存。部分参数设置:网络批处理大小(batch-size)设置
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 番茄 病害 识别 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。