基于改进ResNet的植物叶片病虫害识别

来源：中国农机化学报杂志2021年第12期北京时间：

作者：曹跃腾, 朱学岩, 赵燕东, 陈锋军,

单位：1. 北京林业大学工学院，北京市，100083； 2. 城乡生态环境北京实验室，北京市，100083；3. 林业装备与自动化国家林业局重点实验室，北京市，100083

摘要：轻量化植物叶片病虫害识别算法设计是实现移动端植物叶片病虫害识别的关键。研究提出一种基于改进ResNet模型的轻量化植物叶片病虫害识别算法SimplifyResNet。以人工采集图像和PlantVillage数据集图像为实验数据，根据移动端植物病虫害识别对准确率、速度和模型大小的实际需求，改进ResNet模型。使用5×5卷积替代7×7卷积，采用残差块的瓶颈结构代替捷径结构，采用模型剪枝处理训练后的模型。通过测试集5 786幅图像测试SimplifyResNet模型，证明5×5卷积和残差块的瓶颈结构可有效降低模型参数量，模型剪枝可有效降低训练后的模型大小。SimplifyResNet模型对测试集图像的识别准确率为92.45%，识别时间为48 ms，内存大小为36.14 Mb。与LeNet、AlexNet和MobileNet等模型相比，其准确率分别高18.3%，7.45%和1.2%。为移动端植物病虫害识别解决最重要的算法设计问题，为移动端植物病虫害识别做出有益探索。

关键词：图像处理,病虫害,图像识别,卷积神经网络,模型剪枝

基金资助：国家重点研发计划（2019YFD1002401）；中央高校基本科研业务费专项资金资助（2015ZCQ—GX—04）