基于改进VGG19网络的玉米5种旱情识别方法技术

本发明专利技术涉及神经网络、农作物旱情评估等技术，为提出一种基于改进的VGG19网络模型的玉米旱情识别方法,对玉米旱情状况做出判断，为防止玉米干旱提供可靠性保证，保证玉米正常生长，水分充足。为此，本发明专利技术采取的技术方案是，基于改进VGG19网络的玉米5种旱情识别方法，通过VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的归一化指数SoftMax的分类器进行分类，对模型进行训练并进行测试。本发明专利技术主要应用于农作物旱情评估场合。

Five Drought Recognition Methods for Maize Based on Improved VGG19 Network

【技术实现步骤摘要】
基于改进VGG19网络的玉米5种旱情识别方法
：本专利技术属于神经网络领域，特别涉及卷积神经网络。具体讲，涉及玉米图像预处理和基于卷积神经网络的玉米旱情识别方法。
技术介绍
：干旱现象破坏力强，持续周期长，是人们从古至今在农业生活中面临的主要问题。干旱本身作为一种复杂的现象难以直接观测其发生时间、发展过程以及影响范围。作物在干旱胁迫情况下，根据受旱状态和程度会导致作物的形状和状态发生变化。通过人工神经网络对作物旱情进行识别与传统通过机器学习方法对训练样本进行训练相比具有更为独特的优势：(1)初始识别能力强；(2)泛化能力强；(3)不依靠专业知识；(4)能对干旱水平进行分类。因此，通过神经网络对作物进行旱情识别有更广泛的发展空间和应用前景。然而，对玉米旱情进行识别仍面临较大的挑战，主要有以下几个方面：1.经典模型初始识别能力往往很强，但后期进行推广时泛化能力差，随着新样本逐渐加入，模型分类效果逐渐下降；2.经典模型往往仅停留在是否存在旱情的程度，无法对干旱水平进行有效分类；3.受拍摄位置、角度、光照等条件影响，图像质量不高。上诉的几种因素对玉米旱情识别造成了很大的困难，所以，本专利技术提供了一种基于改进的VGG19网络模型的玉米旱情识别方法，VGG(VisualGeometryGroup，视觉几何组)网络体系由牛津大学科学工程系集合视觉组提出，19代表卷积层和全连接层的层数。通过该专利技术，可以有效对玉米旱情进行识别与分类，并对光照、拍摄位置等有较强的鲁棒性。
技术实现思路
为克服现有技术的不足，本专利技术旨在提出一种基于改进的VGG19网络模型的玉米旱情识别方法,对玉米旱情状况做出判断，为防止玉米干旱提供可靠性保证，保证玉米正常生长，水分充足。为此，本专利技术采取的技术方案是，基于改进VGG19网络的玉米5种旱情识别方法，通过VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的SoftMax(归一化指数)的分类器进行分类，对模型进行训练并进行测试。具体步骤细化如下：步骤1对图像进行预处理：(1)将玉米图像大小从640×480缩放为197×197后再对图像进行0.75-1.25倍随机缩放；(2)随机旋转图像15度；(3)对颜色通道进行随机转换；(4)对图像水平方向随机翻折(5)对图像进行归一化处理；步骤2迁移学习：VGG19网络通过100万幅图像的数据库训练得到，将一层层网络中卷积层和池化层每个节点的权重从一个训练好的网络迁移到一个全新的网络中，迁移之后的网络称为预训练模型，在预训练模型的基础上进行优化，解决玉米旱情识别问题；步骤3冻结中间层：冻结卷积层和池化层，其中，卷积结果计算公式如下：其中x为接受域(m，n)的二维向量，w是长为j,宽为i的卷积核，b是输出所加的偏执项；m是二维向量的长，n是二维向量的宽，f为激活函数；步骤4优化全连接层层数：在卷积层和池化层后添加4个全连接层，第1个全连接层神经元个数为4096个，第2个全连接层神经元个数为4096个，第3个全连接层神经元个数为1000个，第4个全连接层神经元个数为1024个；步骤5添加分类器：针对玉米旱情识别需求，在全连接层后使用一个5分类的Softmax分类器对玉米旱情进行分类，逻辑斯蒂(Logistic)回归模型计算公式如下：g(x)＝w0+w1x1+w2x2+…+wnxn其中向量x＝(x1,x2,…,xn)由n个独立变量组成，P(y＝1|x)代表事件x发生的可能性；当Logistic回归模型应用到多分类问题中就产生了SoftMax分类器。SoftMax分类器输入为样本特征，输出为样本属于各个类别的概率，训练样本集由k个被标签的样本构成：T＝{(x(1),y(1)),(x(2),y(2)),…,(x(k),y(k))}其中y(u)是分类标签，是x(u)样本类别；单个样本是第k类的概率为：P(y＝j|x)(j＝1,2,…,k)其中j代表不同样本类别；步骤6模型训练与测试：VGG19模型中共含有16个卷积层，5个池化层，4个全连接层和1个5分类的Softmax分类器，其中卷积层和全连接层的激活函数选择线性整流函数，优化函数选用自适应时刻方法，损失函数选用交叉熵函数，输入的玉米植株图像首先经过两个卷积层后进入第一个池化层，然后经过两个卷积层后进入第二个池化层，再经过四个卷积层后进入第三个池化层，之后经过四个卷积层后进入第四个池化层，最后经过四个卷积层后进入第五个池化层，经过池化层后图像通过四个全连接层后进入5分类的Softmax分类器，分类器输出最大值对应的类别即为玉米植株干旱程度类别，从玉米数据集中随机抽出70％作为训练集，20％作为验证集，10％作为测试集，对模型进行训练、改进与测试。为减小系统压力，每次读取32张图像，分158次读取完成，学习过程中根据优化函数不断更新权重，随着权重的变化，损失函数值越来越小，识别正确率越来越高，将学习率设为0.05并重复训练9次得到识别模型，重复上述操作10次，对识别模型正确率取平均值。本专利技术的特点及有益效果是：从5类干旱程度玉米图像数据集中分别随机抽出70％作为训练集，其中正常玉米图像3223幅，轻旱玉米图像370幅，中旱玉米图像371幅，重旱玉米图像378幅，特旱玉米图像369幅。随机选择另外20％图像作为验证集，其中正常玉米图像920幅，轻旱玉米图像107幅，中旱玉米图像106幅，重旱玉米图像107幅，特旱玉米图像105幅。将样本库中剩余的10％玉米植株图像作为测试集，分别为适宜玉米图像460幅、轻旱玉米图像53幅、中旱玉米图像53幅、重旱玉米图像54幅、特旱玉米图像53幅。为了检验本模型的性能，我们将其与支持向量机、VGG16网络、inceptionv3(开端第三版本)网络进行对比。重复上述随机选择过程10次，对十次正确率求均值，结果为最终正确率。试验结果如表1所示，从中可以看出，本专利技术提出的模型不仅平均识别正确率较高，各种干旱程度识别正确率的方差也较小。相对于传统方法能更好的对玉米旱情进行识别。表1附图说明：图1基于改进的VGG19网络玉米旱情识别模型训练流程图。图2玉米图像样本：(a)正常生长前期样本；(b)正常生长后期样本。图3不同图像分辨率样本的训练结果。具体实施方式：本专利技术采用的技术方案是：保留原VGG19网络卷积层和池化层，通过迁移学习的方法将参数共享到该模型中。优化全连接层的层数和参数。在全连接层后用5分类的SoftMax的分类器进行分类。对模型进行训练并进行测试。具体步骤细化如下：步骤1对图像进行预处理：(1)将玉米图像大小从640×480缩放为197×197后再对图像进行0.75-1.25倍随机缩放；(2)随机旋转图像15度；(3)对颜色通道进行一定程度随机转换；(4)对图像水平方向随机翻折(5)对图像进行归一化处理；步骤2迁移学习：为减小训练网络所用时间和资源，通过迁移学习将已训练好的模型参数迁移到本模型中。将一层层网络中卷积层和池化层每个节点的权重从一个训练好的网络迁移到一个全新的网络中，而不是从头开始训练模型的行为叫做迁移学习。迁移之后的网络称为预训练模型。VGG19网络通过ImageNet(斯坦福大学的图像本文档来自技高网...

【技术保护点】
1.一种基于改进VGG19网络的玉米5种旱情识别方法，其特征是，通过视觉几何组VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的归一化指数SoftMax的分类器进行分类，对模型进行训练并进行测试。

【技术特征摘要】
1.一种基于改进VGG19网络的玉米5种旱情识别方法，其特征是，通过视觉几何组VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的归一化指数SoftMax的分类器进行分类，对模型进行训练并进行测试。2.如权利要求1所述的基于改进VGG19网络的玉米5种旱情识别方法，其特征是，具体步骤细化如下：步骤1对图像进行预处理：(1)将玉米图像大小从640×480缩放为197×197后再对图像进行0.75-1.25倍随机缩放；(2)随机旋转图像15度；(3)对颜色通道进行随机转换；(4)对图像水平方向随机翻折(5)对图像进行归一化处理；步骤2迁移学习：VGG19网络通过100万幅图像的数据库训练得到，将一层层网络中卷积层和池化层每个节点的权重从一个训练好的网络迁移到一个全新的网络中，迁移之后的网络称为预训练模型，在预训练模型的基础上进行优化，解决玉米旱情识别问题；步骤3冻结中间层：冻结卷积层和池化层，其中，卷积结果计算公式如下：其中x为接受域(m，n)的二维向量，w是长为j,宽为i的卷积核，b是输出所加的偏执项；m是二维向量的长，n是二维向量的宽，f为激活函数；步骤4优化全连接层层数：在卷积层和池化层后添加4个全连接层，第1个全连接层神经元个数为4096个，第2个全连接层神经元个数为4096个，第3个全连接层神经元个数为1000个，第4个全连接层神经元个数为1024个；步骤5添加分类器：针对玉米旱情识别需求，在全连接层后使用一个5分类的Softmax分类器对玉米旱情进行分类，逻辑斯蒂(Logistic)回归模型计算公式如下：g(x)＝w0+w1x1+w2x2+…+wn...

【专利技术属性】
技术研发人员：路志英，郭建林，赵明月，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12