面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型
广西大学农学院;广西大学计算机与电子信息学院;广西壮族自治区农业科学院植物保护研究所
- 摘 要：
- 卷积神经网络(CNN)的发展带来了大量的网络参数和庞大的模型体积,极大地限制了其在小规模计算资源设备上的应用。为将CNN应用在各种小型设备上,研究了一种基于知识蒸馏的结构化模型压缩方法。该方法首先利用VGG16训练了一个识别率较高的教师模型,再将该模型中的知识通过蒸馏的方法迁移到MobileNet,从而大幅减少了模型的参数量。将知识蒸馏后的Distilled-MobileNet模型应用在14种作物的38种常见病害分类中。进行了知识蒸馏在VGG16、AlexNet、GoogleNet和ResNet 4种不同网络结构上的表现测试,结果表明,当VGG16作为教师模型时,模型准确率提升了97.54%;使用单个病害识别率、平均准确率、模型内存、平均识别时间4个指标对训练好的Distilled-MobileNet模型进行真实环境下准确性评估,经测试,模型的平均准确率达到了97.62%,平均识别时间缩短至0.218 s,仅占VGG16模型的13.20%,模型大小压缩仅为19.83 MB,相比于VGG16缩小了93.60%,使其具备了较高的准确性和实时性要求。本方法模型在压缩内存体积和缩短识别时间上较传统神经网络有了明显提高,为内存和计算资源受限设备上的病害识别提供了新的思路。
关键词：病害识别;深度学习;模型压缩;知识蒸馏;卷积神经网络
相似文章
-
基于粒子群算法和支持向量机的黄花菜叶部病害识别 [孙瑜, 张永梅, 武玉军] 中国农学通报 2022,38 (8) 135-140
-
基于人工智能的作物病害识别研究进展 [周长建, 宋佳, 向文胜] 植物保护学报 2022 (1) 316-324
-
基于改进ShuffleNet V2模型的苹果叶部病害识别及应用 [张旭, 周云成, 刘忠颖, 李昕泽] 沈阳农业大学学报 2022,53 (1) 110-118
-
基于深度学习的柑橘黄龙病远程诊断技术初探 [范世达, 马伟荣, 姜文博, 张辉, 王金振, 李琦, 何鹏博, 彭磊, 黄兆波] 中国果树 2022 (4) 76-79,封3
-
设施温室影像采集与环境监测机器人系统设计及应用 [郭威, 吴华瑞, 朱华吉] 智慧农业(中英文) 2020,2 (3) 48-60
-
基于卷积神经网络的玉米病害识别方法研究 [王国伟, 刘嘉欣] 智能化农业装备学报（中英文） 2021,2 (1) 64-70
-
基于轻量级残差网络的植物叶片病害识别 [李书琴, 陈聪, 朱彤, 刘斌] 农业机械学报 2022,53 (3) 243-250
-
基于GSNet的番茄叶面病害识别研究 [冀常鹏, 陈浩楠, 代巍] 沈阳农业大学学报 2021 (6) 751-757
-
基于快照集成卷积神经网络的苹果叶部病害程度识别 [刘斌, 徐皓玮, 李承泽, 宋鸿利, 何东健, 张海曦] 农业机械学报 2022 (6) 286-294
-
基于多特征融合的残差网络果树叶片病害识别 [朱帅, 王金聪, 任洪娥, 陶锐] 森林工程 2022,38 (1) 108-114+123
