基于卷积神经网络的番茄主要病害识别方法研究

传统的番茄叶片病害识别周期长、准确率较低，依赖于人工设计特征。基于此，课题组现提出一种基于深度残差网络的番茄叶片病害识别网络，该网络基于ResNet101网络，将Plant Village数据集在ResNet101网络中训练好的参数进行迁移以完成构建，通过观察精准率、召回率和混淆矩阵等模型的评价标准可以看出，课题组提出的网络相对于参照模型，在番茄叶片病害识别方面综合平均识别率更高、收敛速度更快，具有更好的鲁棒性和泛化能力。研究结果表明，该网络能更好地平衡识别准确率和网络轻量高效的需求，模型的平均识别准确率高达99.89%，具有良好的应用前景，初步满足了番茄病害识别的生产要求。