基于EfficientNetV2和迁移学习的葡萄病害识别研究

摘要

针对当前基于深度学习的葡萄叶片病害识别模型网络参数过多、精确度低、推理时间较长和移动端模型部署困难等问题,探索一种新的病害识别方法。选取轻量卷积神经网络模型EfficientNetV2并结合迁移学习方法对葡萄叶片病害进行识别,采用迁移学习中特征提取、全部权重迁移、微调与全新训练4种方式进行训练后获得4种模型。通过多组对比试验,结果显示使用学习率为0.01的全部权重参数进行迁移学习训练出的模型精度最高,训练时间最短,模型体积较小。在数据集上平均测试识别准确率达到99.76%,且重用训练后的模型平均单张病害识别耗时仅为0.2s,能够有效提高葡萄叶片病害识别的精度与效率,为移动端部署葡萄叶片病害识别模型提供参考。