基于卷积神经网络的苹果叶部病害图像识别研究

来源：中国农机化学报杂志2024年第5期北京时间：

作者：郭宏杰, 马睿, 王佳, 赵威, 马德新

摘要：为解决苹果叶部病害识别效率低、精度低的问题，展开苹果叶片病害识别模型的研究。通过收集并整理网络公共数据集，获取苹果黑腐病、苹果黑星病、苹果锈病和苹果健康叶部四类图像，随机选取1200张图像建立数据集，采用数据增强的手段对数据进行预处理，提高模型的鲁棒性，降低其他因素对模型识别的影响。将迁移学习与卷积神经网络相结合，在InceptionV3、Xception、NasNetmobile、InceptionResNetV2这4种预训练模型的基础上，弃用全连接层，通过全局平均池化层来完成特征整合工作，同时对模型采取微调，对比各模型的识别效果。通过微调前后8种模型训练对比结果表明，微调后的InceptionResNetV2模型在测试集上能达到98.83%的准确率，可以准确、快速地识别出病害类型，为相关病害识别提供参考。

关键词：苹果叶部病害,迁移学习,卷积神经网络,图像识别

基金资助：山东省自然科学基金（ZR2022MC152）；山东省高等学校青创人才引育计划（202202027）