摘要
针对复杂背景下玉米病虫害识别的困难和重量级神经网络模型部署的困难,研究了玉米病虫害分类模型轻量化方法.首先,针对玉米生长环境和后续实际使用的复杂问题,采用多场景采集方案,在不同时间采集不同田地的4种玉米图片,并制定了图像预处理方案,以进一步增强数据.然后,详细介绍了神经网络模型的轻量级设计方法.最后,设计、训练和测试了一个基于深度可分离卷积的玉米病虫害分类识别模型,其中top-1成功率达到95.6％.与Mobilenev2-224相比,计算量减少了70％,与Mobilenev3-224相比,计算数量也减少了60％,识别能力高于 Mobiletv2-224,低于 Mobiletv3-224.
基金项目
山东省自然科学基金面上项目(ZR2021MF078)
NETL
NSTL
维普
万方数据