首页|基于迁移学习的番茄叶片病害图像分类

基于迁移学习的番茄叶片病害图像分类

Image classification of tomato leaf diseases based on transfer learning

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究.使用14 529张番茄叶片病害图像,随机选择70％作为训练集,30％作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别.在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验.结果 表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62％,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6％.采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类.

王艳玲、张宏立、刘庆飞、张亚烁

展开 >

新疆大学电气工程学院,乌鲁木齐830047

番茄 卷积神经网络 迁移学习 特征提取 SVM 病害分类

国家自然科学基金

51767022

2019

中国农业大学学报
中国农业大学

中国农业大学学报

CSTPCDCSCD北大核心
影响因子：0.971
ISSN：1009-508X
年,卷(期)：2019.24(6)
  • 27
  • 11