【技术实现步骤摘要】
一种番茄病害图像识别方法
本专利技术涉及农作物病害图像识别方法领域，具体是一种番茄病害图像识别方法。
技术介绍
番茄病害是农作物病害之一，存在早疫病、斑枯病、叶霉病等病害。精准、快速识别出番茄病害对番茄的病害防治与增产起到积极作用。随着计算机运算能力的日益提升，深度学习得到不断发展，而且基于深度学习的计算机视觉技术也广泛地应用于农业领域。目前已经有大量学者使用基于卷积神经网络的计算机视觉方法对农作物的病害进行识别。例如，文献(王艳玲,张宏立,刘庆飞,等.基于迁移学习的番茄叶片病害图像分类[J].中国农业大学学报,2019,24(06):124-130.)中，王艳玲等使用迁移学习对AlexNet改进，对番茄10种病害的识别准确率达到95.62％；文献(郭小清,范涛杰,舒欣.基于改进Multi-ScaleAlexNet的番茄叶部病害图像识别[J].农业工程学报,2019,35(13):162-169.)中，郭小清等提出一种轻量型改进AlexNet进行小样本识别；针对农作物叶片病害识别模型易受光线强度、遮蔽物、阴影等因素的...
【技术保护点】
1.一种番茄病害图像识别方法，其特征在于，包括以下步骤：/n(1)、准备数据集：/n以包含多张多种番茄病害图像的番茄病害叶片图像数据集作为PlantVillage数据集；/n(2)、处理数据集：/n首先从步骤(1)得到的PlantVillage数据集中的番茄病害叶片图像得到病害叶片图像具体标签与数量，并从PlantVillage数据集中剔除异常、重复的番茄病害图像；然后将PlantVillage数据集中的番茄病害图像处理为输入层图像作为训练集，并对训练集的所有输入层图像进行批量归一化处理；/n(3)、构建ResNeXt模型：/n首先构建采用Split-Transform-M...
【技术特征摘要】
1.一种番茄病害图像识别方法，其特征在于，包括以下步骤：
(1)、准备数据集：
以包含多张多种番茄病害图像的番茄病害叶片图像数据集作为PlantVillage数据集；
(2)、处理数据集：
首先从步骤(1)得到的PlantVillage数据集中的番茄病害叶片图像得到病害叶片图像具体标签与数量，并从PlantVillage数据集中剔除异常、重复的番茄病害图像；然后将PlantVillage数据集中的番茄病害图像处理为输入层图像作为训练集，并对训练集的所有输入层图像进行批量归一化处理；
(3)、构建ResNeXt模型：
首先构建采用Split-Transform-Merge结构的ResNeXt模型；然后在ResNeXt模型中对Inception进行简化，得到最终的ResNeXt模型；
(4)、构建中心损失函数：
构建中心损失函数LC如下式：
中心损失函数的公式中，m为mini-batch的大小，i为常数，i＝1,2,…m，yi为类别序号，cyi为第yi类的特征表示的中心，xi为全连接层之前的特征；
使用softmax监督学习与中心损失函数结合，得到最终的损失函数L如下式：
其中，各个参数的定义为：Ls为softmax的结果，Lc为中心损失函数，m为mini-batch的大小，n为种类数量，i为常数，i＝1,2,…m，yi为类别，cyi为第yi类的特征表示的中心，xi为全连接层之前的特征，为最后一个全连通层权值的第yi列的转置，b是偏置项；
(5)、构建C-ResNeXt模型：
采用步骤(4)得到的最终的损失函数对步骤(3)得到的ResNeXt模型进行改进得到改进后的模型，然后使用迁移学习的方法将ImageNet权重迁移至改进后的模型，得到最终的C-ResNeXt模型；
(6)、模型训练：
采用步骤(2)中得到的训练集对步骤(5)得到的C-ResNeXt模型进行训练，得到效果最优的C-ResNeXt模型；
(7)图像识别：
以待识别的番茄病害图像作为测试集，将测试集输入至步骤(6)得到的效果最优的C-ResNeXt模型中，由效果最优的C-ResNeXt模型得到识别结果。
2.根据权利要求1所述的一种番茄病害图像识别方法，...
【专利技术属性】
技术研发人员：郑思越，吴云志，乐毅，时卉，曾涛，张友华，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。