基于改进MobileNet v3的苹果叶片病害识别方法及移动端应用  

Apple leaf disease recognition method based on improved MobileNet v3 and its mobile terminal application

作　　者：张风伟 朱成杰[1] 朱洪波 Zhang Fengwei

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《江苏农业科学》2024年第7期205-213,共9页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62003001)。

摘　　要：准确识别苹果叶片病害种类以进行及时防治对于苹果增量增产具有重要的意义,为实现在移动设备实时对苹果叶片进行病害识别,提高苹果的产量,减少种植者的损失。首先收集了黑星病、斑点落叶病、锈病、白粉病、混合病、褐斑病等6种苹果叶部病害和健康叶片的图像,并使用Retinex算法对图像进行数据增强,以提高数据集质量,然后将数据集按照8∶1∶1的比例划分为训练集、验证集和测试集;其次对MobileNet v3网络模型进行改进优化调整,在精简网络结构的同时减少冗余参数,并在非线性激活层后加入批归一化层,以提高网络的特征提取能力;同时,为了提升在低精度移动设备上的准确性和模型运行效率,将全连接层中的激活函数替换为ReLU6函数;最后,在模型训练时使用动量随机梯度下降优化器来进行模型权重系数的寻优,以减少训练时间和达到更高的分类准确率。试验结果表明,改进后的MobileNet v3-A3网络对苹果叶片病害图像的识别准确率为96.48%,模型权重为2.98 MB,识别速率为8.82 ms/幅图片,与其他同量级卷积神经网络相比识别精度更高、模型更小、识别速度更快。本研究使用Android Studio将权重模型封装到安卓软件中,实现了移动设备对苹果叶片病害的准确快速识别。

关 键 词：苹果 叶部病害 图像识别 MobileNet v3 ANDROID 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]