Position: Home > Articles > 基于GoogLeNet改进模型的苹果叶病诊断系统设计
Journal of Chinese Agricultural Mechanization
2021
(7)
148-155
基于GoogLeNet改进模型的苹果叶病诊断系统设计
作 者：
宋晨勇;白皓然;孙伟浩;马皓冉
单 位：
青岛农业大学机电工程学院
关键词：
苹果叶病识别;数据增强;GoogLeNet改进模型;Tornado框架;
摘 要：
针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。
相似文章
-
基于图像识别的苹果叶片病害识别模型对比研究 [郝菁, 贾宗维] 中国农学通报 2022,38 (12) 153-158
