融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类

来源：江苏农业科学杂志2023年第第14期北京时间：

作者：杨非凡;徐伟诚;陈盛德;兰玉彬

单位：华南农业大学电子工程学院(人工智能学院)/国家精准农业航空施药技术国际联合研究中心，广东广州 510642

摘要：快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义，为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题，融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统，使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题，采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干，对7种水稻病害进行识别。通过imgaug库增强数据，将13 543张水稻病害图像按照9 ∶1的比例划分为训练集和验证集并参与训练模型，将1 404张水稻病害图像作为测试集来验证模型的准确性。结果表明，所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、9426%、92.47%、97.83%。可见，在融合Focal Loss损失函数的情况下，ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率，该成果可在实际生产中实现水稻病害的自动分类识别，有助于水稻病害的防治工作。

关键词：水稻病害识别;卷积神经网络;Focal Loss;ResNet;MobileNetV2;VGG16