一种基于改进卷积神经网络的葡萄叶片病害集成识别方法

摘要

为有效提升葡萄叶片病害识别的精度和效率，实现葡萄病害的及时防治进而提高产量和质量，本文提出一种基于改进卷积神经网络的葡萄叶片病害集成识别方法，对常见的三种葡萄叶片病害进行自动准确的识别。首先，利用Bagging集成学习算法生成多个有差异的训练子集；然后，将SE、CA注意力机制分别引入ResNet152、DenseNet121与MobileNetV3模型，得到改进后的三种神经网络基学习模型，并在生成的训练子集上进行训练；最后，利用加权平均的思想将这些模型进行集成。在葡萄叶片病害数据集上进行的实验表明，该集成模型的识别准确率达到了99.38%，因而是一种比较有效的葡萄叶片病害识别方法。

关键词

葡萄叶片病害识别 / 卷积神经网络 / 集成学习 / Bagging算法 / 图像识别

基金资助

山东省重大科技创新工程项目：现代果园智慧种植装备与大数据平台研发及示范应用（2019JZZY010706）