自然背景下轻量化农作物病害自动识别算法研究  

Algorithm for Automatic Identification of Lightweight Crop Diseases in Natural

作　　者：郝艳艳 HAo Yan-yan(Henan Industry and Trade Vocational College,Zhengzhou 450000,Henan)

机构地区：[1]河南工业贸易职业学院信息工程学院,河南郑州450000

出　　处：《电脑与电信》2023年第6期62-65,共4页Computer & Telecommunication

基　　金：2023年度河南省重点研发与推广专项(科技攻关)项目:自然背景下农作物病害自动识别和分级诊断的优化策略研究,项目编号:232102110281;2023年度河南省高校重点项目“农作物叶片病虫害识别问题中的边缘计算模型研究”,项目编号:23A520061;2021年河南工业贸易职业学院校级科研团队“大数据创新与应用科研团队”,项目编号:01。

摘　　要：针对以实验室采集的纯色背景数据集进行训练的神经网络模型的鲁棒性和抗干扰能力存在一定局限性,以及模型参数量太大的问题,论文设计了自然背景下轻量化的农作物病害自动识别算法。算法以深度可分离卷积替代基本卷积,改进了VGG16的基本网络单元,并加入了dropout操作,搭建轻量化的神经网络模型。实验结果显示算法在识别效率和参数轻量化方面均有较明显的优势,更适合在生产实践中部署使用。Aiming at the limitations of the robustness and anti-interference ability of the neural network model trained with the pure color background dataset collected in the laboratory,as well as the problem of too large model parameters,the paper designs a lightweight automatic identification algorithm for crop diseases in natural background.The algorithm replaces basic convolution with deeply separable convolution,improves the basic network unit of VGG16,and adds a dropout operation to build a lightweight neural network model.The experimental results show that the algorithm has obvious advantages in recognition efficiency and parameter lightweight,and is more suitable for deployment in production practice.

关 键 词：自然背景 农作物病害识别 深度学习 深度可分离卷积 轻量化 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]