基于改进LeNet-5模型的玉米病害识别 |
| |
引用本文: | 何前,郭峰林,方皓正,李雅琴.基于改进LeNet-5模型的玉米病害识别[J].江苏农业科学,2022(20):35-41. |
| |
作者姓名: | 何前 郭峰林 方皓正 李雅琴 |
| |
作者单位: | 武汉轻工大学数学与计算机学院 |
| |
基金项目: | 国家自然科学基金(编号:61906140); |
| |
摘 要: | 玉米叶部病虫害严重影响了玉米的产量和质量,为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益,在传统卷积神经网络LeNet-5模型的基础上进行优化改进,提出基于改进的LeNet-5模型,用来分类识别玉米大斑病、锈病、叶斑病3种叶部病害图像及正常玉米图像。首先通过随机旋转、图像增强及尺寸修改方法等对病害图像进行预处理操作,然后增加模型的网络层数,改进后的模型一共有14层,包括输入层、5个卷积层、5个池化层、2个全连接层及输出层,最后用ReLU函数代替传统的Sigmoid激活函数,并且在卷积层和全连接层中加入Dropout策略层,通过试验对比选择合适的丢弃概率,进一步减少参数,防止产生过拟合现象。迭代次数设置为15次,选取11个样本作为1个batch进行训练,通过不断调整参数、优化模型,选择最优的模型在测试集上进行分类识别,最终改进后的模型对玉米叶部病害的识别准确率高达97.3%,为玉米病害的及时防治提供了有效的技术支持。
|
关 键 词: | 卷积神经网络 LeNet-5模型 病害识别 玉米 病害图像 |
|
|