基于改进深度神经网络的农作物病害识别研究

摘要

针对农作物病害图像样本难收集的问题,本文采用迁移学习算法并结合深度学习提出了一种基于Mo-bileNet的M25Net模型.通过对38类作物和1类背景图像的5.5万多幅农作物健康与病害图像进行训练,获得了农作物病害识别模型,其识别准确率可达99.67％.为了验证M25Net模型识别农作物病害类型的能力,分别与使用迁移学习的MobileNet、InceptionV1、InceptionV2、InceptionV3、ResNet 50、ResNet 101、ResNet 152模型进行对比试验,结果表明,M25Net模型比其它模型的识别精度提升了1.89％～4.86％,具有更高的分类精度,农作物病害类型识别的泛用性增强.