融合迁移学习和知识蒸馏的轻量级马铃薯叶片病害识别模型的构建方法  

Construction of a lightweight potato leaf disease recognition model based on transfer learning and knowledge distillation

作　　者：章广传 李彤 高泉[2,3] 叶荣 何云 Zhang Guangchuan

机构地区：[1]云南农业大学机电工程学院,云南昆明650000 [2]云南农业大学大数据学院,云南昆明650000 [3]云南省作物生产与智慧农业重点实验室,云南昆明650000

出　　处：《江苏农业科学》2024年第4期197-206,共10页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:32101611);云南省基础研究计划(编号:202101AU070096);云南省重大科技专项计划(编号:202202AE090021、202302AE090020);省部共建云南生物资源保护与利用国家重点实验室开放课题(编号:GZKF2021009)。

摘　　要：轻量级深度学习模型常被部署于移动端或物联网端,以实现算力资源受限条件下马铃薯病害的识别。但轻量级模型网络层数较少,模型特征提取能力有限,无法实现相似表型特征的精确提取。为解决上述问题,提出一种轻量级残差网络模型的构建方法,该方法融合迁移学习和知识蒸馏策略训练模型,在教师模型上使用迁移学习策略缩短教师模型的训练时间,并将ResNet18模型进行模型剪枝,使用降采样的方法提高模型识别准确率,最终在保证轻量化的前提下,实现对马铃薯叶片病害类别的精准识别。在马铃薯叶片数据集上进行试验,结果表明,本研究方法构建的轻量级模型的识别准确率相较于Resnet18提高1.55百分点,模型大小缩小49.18%;相较于目前农作物病害识别领域,常用的轻量级模型MobileNetV3在模型大小相近的情况下,识别准确率提高2.91百分点。该模型能够满足大部分实际应用下的场景,可为部署在物联网和移动端设备上的模型提供参考。

关 键 词：马铃薯 病害识别 轻量级模型 迁移学习 知识蒸馏 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]