基于k-means分割和迁移学习的番茄病理识别

来源：江苏农业科学杂志2021年第第12期北京时间：

作者：黎振;陆玲;熊方康

单位：东华理工大学信息工程学院，江西南昌 330044

摘要：针对有背景干扰的番茄病理叶片，将k-means分割与迁移学习相结合，提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别。首先对原始图像进行一系列预处理，再将处理后的图像进行k-means分割，得到叶片边缘的最小矩阵图像，之后进行去噪处理，简化突出图像特征，再根据预处理后的图像特点，优化改进迁移的VGG16网络结构，构建 CNN 模型对预处理后图像进行识别。结果显示，通过分割后训练方式平均精度提升了037百分点，通过冻结迁移的VGG16网络第1个卷积模块并修改全连接层的方法提升了5.4%左右。因此本研究认为通过分割、冻结VGG16第1个卷积层模块的参数并修改全连接层可以提升番茄病理识别率。

关键词：农作物病虫害;k-means分割;卷积神经网络;迁移学习;VGG16