迁移学习在设施蔬菜病虫害识别中的应用

摘要

随着人们生活水平的日益提高,消费者对新鲜蔬菜的需求日益增大,近40年来设施蔬菜产业快速发展,随着技术水平的提高和物联网设备的更新,设施蔬菜的技术含量显著提高.针对通过图像采集设备在短时间内获取的蔬菜病害图像有限,需要通过迁移学习技术来帮助训练卷积神经网络,该项目对不同类型的卷积神经网络的参数迁移进行了研究,采用Plant Village的部分数据集,将Alex Net的第1层卷积核参数通过区域插值方法计算处理后迁移到VGG16的第1层卷积核参数,再对VGG16进行训练.研究结果证明:该方法可行,迁移参数后的网络比随机初始化的网络准确率提升了4.98％.