基于卷积神经网络的农作物病理图像分类算法研究

来源：湖北农业科学杂志2021年第9期北京时间：

作者：刘帅君, 寇旭鹏, 何颖, 莫雪峰

单位：云南农业大学大数据学院/云南省信息技术发展中心,昆明 650000

摘要：快速有效检测农作物病理对于农业具有重大的意义,不仅能提高自动化识别病理效率,还可以提高农作物产量。以土豆、番茄等农作物作为病理研究对象,提出一种基于卷积神经网络的农作物病理分类模型MFCPNet。首先构建深度卷积神经网络模型,分别通过卷积层、激活层、池化层全连接层进行组建,然后将提取到的图像病理特征进行多特征融合,从而有效增强农作物病理的特征丰富度。同时对原数据集进行数据增强从而消除样本分布不均的问题。结果表明,所提出农作物病理分类模型的各项标准均优于AlexNet、VGG16、VGG19模型,达到了94.92%的准确率,同时省去人工搭建复杂的特征工程,对推动农业自动化具有一定的价值。

关键词：农作物病理分类,卷积神经网络,特征融合

基金资助：云南省重大科技专项（202002AD080002）