基于动态神经网络的多种类农作物叶病识别方法

摘要

本发明提出了一种基于动态神经网络的多种类农作物叶病识别方法，首先，随机选取部分农作物叶病图像数据进行像素级标记，训练用于图像分割的卷积神经网络；然后，使用训练好的卷积神经网络对农作物叶病图像进行自动分割，提取图像中的有效信息；最后，设计动态神经网络，包括动态卷积模块、浅层分类器和早退机制三大部分，实现基于动态网络结构的叶病识别。本方案方法能够实现对农作物叶病图像有效信息自动分割提取和多种类农作物叶病的识别，采用的动态神经网络能够根据农作物叶病的复杂程度动态调整网络结构，在满足较高识别准确度率的情况下，减少计算资源的使用。