基于轻量化VGG的植物病虫害识别

来源：中国农机化学报杂志2022年第4期北京时间：

作者：王江晴, 冀星, 莫海芳, 帖军, 刘畅,

单位：1. 中南民族大学计算机科学学院，武汉市，430074；2. 湖北省制造企业智能管理工程技术研究中心，武汉市，430074

摘要：深度神经网络模型被广泛应用在植物病虫害识别任务中，并取得巨大成功。同时，这些网络的计算复杂度和参数量也在不断增加，这将对神经网络的部署提出重大挑战，尤其是在硬件资源有限的设备或实时应用上。针对该问题，提出一种轻量化的病虫害识别模型，结合Ghost模块对VGG16进行改进，同时减少模型卷积层的卷积核个数，并引入Ranger优化器。试验结果表明，该模型在PlantVillage数据集上准确率为99.37%，FLOPs为88.45 M，比VGG16下降71.86%，有较快的收敛速度，在复杂环境下，模型的准确率为92.40%，识别时间为VGG16的50%。

关键词：轻量化,病虫害识别,Ghost模块,VGG网络,Ranger优化器

基金资助：湖北省技术创新专项重大项目（2019ABA101）；武汉市科技计划应用基础前沿项目（2020020601012267）