基于改进LeNet-5模型的玉米病害识别

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。