馬鈴薯病害識別算法研究.pdf

1、馬鈴薯是內(nèi)蒙古地區(qū)的重要農(nóng)作物之一，根據(jù)中國農(nóng)業(yè)信息網(wǎng)相關(guān)數(shù)據(jù)顯示病蟲害已造成馬鈴薯大量減產(chǎn)。本文利用深度學(xué)習(xí)技術(shù)針對馬鈴薯葉部四種主要的病害圖像進(jìn)行識別研究，再結(jié)合智能手機(jī)webApp開發(fā)技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了適用于本文馬鈴薯葉部病害圖像的識別系統(tǒng)。
　　為了解決傳統(tǒng)識別方法中特征提取速度和識別效果的問題，利用深度卷積神經(jīng)網(wǎng)絡(luò)的識別技術(shù)、Tensorflow計(jì)算框架對馬鈴薯葉部病害圖像展開識別研究。首先建立了四種病害圖像數(shù)據(jù)集，并將

2、數(shù)據(jù)集的圖像格式轉(zhuǎn)換為二進(jìn)制格式；構(gòu)建了9層網(wǎng)絡(luò)結(jié)構(gòu)模型，在網(wǎng)絡(luò)的輸入層隨機(jī)對圖像進(jìn)行變換，對圖像增加白化處理，提高網(wǎng)絡(luò)的魯棒性，設(shè)計(jì)三個(gè)卷積層和三個(gè)池化層對圖像進(jìn)行特征學(xué)習(xí)和二次特征的抽象，設(shè)計(jì)三個(gè)全連接層將卷積、池化層學(xué)習(xí)到的特征連接到該層設(shè)置的每個(gè)神經(jīng)元，進(jìn)而獲取最高層次的圖像特征；通過大量試驗(yàn)確定網(wǎng)絡(luò)參數(shù)，采用2000個(gè)病害圖像訓(xùn)練樣本集訓(xùn)練網(wǎng)絡(luò)模型，訓(xùn)練網(wǎng)絡(luò)用時(shí)約3個(gè)小時(shí)，自動學(xué)習(xí)到384個(gè)病害圖像特征，結(jié)合softmax分類

3、器構(gòu)建識別模型，訓(xùn)練集的識別準(zhǔn)確率達(dá)到86%；之后利用400個(gè)測試集樣本對模型進(jìn)行評估，測試結(jié)果表明分類識別準(zhǔn)確率達(dá)到87.04%。
　　與傳統(tǒng)的特征提取方法及BP神經(jīng)網(wǎng)絡(luò)分類識別算法實(shí)驗(yàn)結(jié)果進(jìn)行對比。傳統(tǒng)的特征提取是分別利用灰度共生矩陣、Hu矩提取病斑區(qū)域的紋理、形狀特征訓(xùn)練網(wǎng)絡(luò)，然后對網(wǎng)絡(luò)模型進(jìn)行測試，識別準(zhǔn)確率為85.3%。相對于傳統(tǒng)算法深度卷積神經(jīng)網(wǎng)絡(luò)的識別精度提高將近3%，同時(shí)特征學(xué)習(xí)時(shí)間得到質(zhì)的改變，還避免了一些人為定