基于深度卷积条件生成对抗网络的虫害分类算法研究

摘要

虫害识别是防治的关键环节,但是由于虫害自身的动态性、稳定性、变态性以及种群规模庞大形态各异等特点,因此传统图像分类识别方法面临巨大挑战。本文提出一种基于深度卷积条件生成对抗网络的虫害识别方法。首先,利用空间金字塔层(SPP)嵌入鉴别器的卷积层之后,使得分类的图像可以有固定大小,尺寸一致的效果,不仅可以使得模型获取到必要的图像特征,而且大大提高了模型的收敛速度。其次将深度卷积条件生成对抗网络中的交叉熵损失函数改为最小二乘损失函数,使得最小二乘损失在一点达到饱和,从而增强模型训练的稳定性。最后使用RMSprop优化器对模型进行迭代优化,使得模型能够更快地收敛,增强模型稳定性,减小网络整体的波动。统计训练过程中各项参数变化分析,与其他方法相比,深度卷积条件生成对抗网络在分类准确率和实验稳定性方面都有较为明显的优势,该文所提出的分类准确率高达96.8%,明显优于对比算法。试验结果表明该文提出的虫害分为算法具有较高的准确率和较好的稳定性,可以为相关研究工作提供借鉴意义。