基于多视图特征融合的植物病害识别算法

来源：中国农机化学报杂志2020年第12期北京时间：

作者：高菊玲;

单位：江苏农林职业技术学院机电工程学院;江苏省现代农业装备工程中心;

摘要：近年来,基于传统机器学习和深度学习的叶片病害识别算法取得显著进展。然而现有病害识别模型大多采用单一类型特征,即对叶片病害图像提取颜色纹理等传统特征或采用深度学习自动学习特征。一方面采用深度学习自动学习特征需要大量样本,计算开销较大;另一方面传统特征往往应用于小规模病害数据集。因此提出基于多视图特征融合的病害识别算法,首先提取病害叶片图像的Gist特征以及基于深度学习预训练模型VGG16的深度特征,通过深度典型相关分析(DCCA)发掘传统特征与深度特征的相关性,获得更加鲁棒的特征子空间,从而提高识别效果。在Plant Village上的试验结果表明,采用DCCA融合传统特征和深度特征的识别方法比单类型特征识别法的识别精度要高,其平均识别精度可达88.45%。

关键词：病害识别;深度学习;深度典型相关分析;特征融合;卷积神经网络

基金资助：江苏省高校优秀科技创新团队资助