论文部分内容阅读
农作物病虫害的精准识别是病虫害预报及防控的重要前提。图像识别以高效率、低成本、易操作等优势,成为近年来病虫害防治工作的研究热点和主要技术手段。枸杞产业作为宁夏特色优势产业,在宁夏各区的农村经济中占有十分重要的地位。除了市场价格的影响之外,对宁夏枸杞产量影响最大的因素有两个:一是气候,二是病虫害。实验结果表明,本文提出的改进MobileNet V2目标识别算法,可以有效识别11种枸杞病虫害。本文针对枸杞病虫害图像识别算法的研究,将为枸杞病虫害的防治打下一定的基础。本文所做的工作主要分为以下几点:(1)收集并制作枸杞病虫害的图像数据集。根据本文的研究需求,收集了共1955张包含11类枸杞病虫害的图像样本集。为了减轻过拟合现象,本文采用部分图像空间变换算法和添加高斯噪声等操作对原始样本的训练集进行了扩充,扩充后的样本集总数量为19115。(2)选取适合本文枸杞病虫害图像识别研究的网络模型。从理论和实验两个方面进行分析和对比,选择了 MobileNet V2作为枸杞病虫害图像分类识别的网络模型,该网络模型在识别精度、模型参数和计算时间之间取得了很好的平衡,同时选取VggNet、Inception、ResNet这3个经典的卷积神经网络作为对比网络模型,并使用本文制作的枸杞病虫害图像数据集进行了相关实验与分析。(3)本文设计了一种改进的MobileNet V2目标识别算法,即在MobileNet V2网络中嵌入SE模块得到新网络模型SE-MobileNet V2,该网络模型实现了特征通道的自适应校准。实验结果证明,改进的网络模型收敛更快,且使得枸杞病虫害图像分类识别精度提升了约2.46%。(4)基于本文制作的枸杞病虫害图像数据集,在改进的网络模型SE-MobileNet V2上,选取不同的优化方法进行多次训练,以确定出适合该网络模型的优化算法、网络参数及激活函数,使得识别精度进一步提升了 1.02%,最终达到97.67%。并以训练好的模型在网页端进行了枸杞病虫害图像分类识别的测试,单幅图像的识别时间在15ms以内。