基于改进残差网络的葡萄叶片病害识别

葡萄病害是导致葡萄严重减产的主要因素,大多数病害症状都反映在葡萄的叶片上,但是人工针对叶片的识别费时且效率低.本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型.该研究在ResNet50的基础上采用金字塔卷积网络,通过其包含不同大小和不同深度的卷积核来处理输入,然后以特征融合来获得不同程度的病害特征细节.在金字塔网络结构上采用深度超参数化卷积层代替传统的卷积层,能够加快模型收敛速度,有效提升模型精度.结果表明,改进后的残差网络模型与AlexNet、MobileNetV2、ResNet50/101、VGG16模型相比,在准确性方面具有显著优势.与原模型相比较,识别准确率提高3.18百分比,改进模型对病害识别准确率高达98.20％.可以为识别葡萄叶片病害提供参考.