基于GoogLeNet改进模型的苹果叶病诊断系统设计

来源：中国农机化学报杂志2021年第7期北京时间：

作者：宋晨勇;白皓然;孙伟浩;马皓冉;

单位：青岛农业大学机电工程学院;

摘要：针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。

关键词：苹果叶病识别,数据增强,GoogLeNet改进模型,Tornado框架

基金资助：山东省农机装备研发创新计划项目(2018YZ002) 国家级大学生创新创业训练计划项目(S202010435013) 广东省重点领域研发计划(2018B020241003)