摘要
传统的卷积神经网络在番茄叶部病害识别中存在结构复杂、参数庞大等问题,导致难以在移动设备上实现良好的应用效果.因此,提出一种基于轻量化卷积神经网络的番茄叶片病害识别方法.首先,将番茄叶片病害图片进行数据增强扩充,保证数据分布均匀;其次,绘制MobileNet v3模型基于扩充数据集tomato2的敏感度分析曲线图,根据敏感度分析曲线图对模型的输出通道数进行裁剪,构建轻量化卷积神经网络模型MobileNet v3-Prune;最后,运用4种卷积神经网络及其对应的轻量化模型对番茄叶片病害图片训练进行试验对比.结果表明,MobileNet v3-Prune对番茄叶片病害识别性能最佳,在测试集上的平均识别准确率达到了 99.60％,模型权重仅为3.69 MB,单张图片识别时间为12.13 ms.本研究结果可以为移动设备上的番茄叶片病害识别应用的实现提供理论支持.
基金项目
国家自然科学基金面上项目(52275480)
贵州省烟草公司贵阳市公司科技项目(2022-14)
国家科技期刊平台
NSTL
万方数据