中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类 江苏农业科学 2023,51 (14) 198-204
Position: Home > Articles > 融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类 Jiangsu Agricultural Sciences 2023,51 (14) 198-204

融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类

作  者：
杨非凡;徐伟诚;陈盛德;兰玉彬
单  位：
关键词：
水稻病害识别;卷积神经网络;Focal Loss;ResNet;MobileNetV2;VGG16
摘  要：
快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义,为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题,融合Focal Loss与4 种典型卷积神经网络结构对7 种水稻病害进行分类识别.利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统,使用 Focal Loss 损失函数解决数据集不平衡导致识别准确率低的问题,采用 ResNet50、ResNet101、MobileNetV2、VGG16 作为特征提取骨干,对7 种水稻病害进行识别.通过imgaug库增强数据,将 13543 张水稻病害图像按照9 ∶1 的比例划分为训练集和验证集并参与训练模型,将 1404 张水稻病害图像作为测试集来验证模型的准确性.结果表明,所搭建的数据集中 ResNet50、ResNet101、MobileNetV2、VGG16 的识别准确率分别为 98.06%、94.26%、92.47%、97.83%.可见,在融合Focal Loss损失函数的情况下,ResNet50 作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率,该成果可在实际生产中实现水稻病害的自动分类识别,有助于水稻病害的防治工作.

相似文章

导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46