基于轻量级CNN的作物病虫害识别及安卓端应用

摘要

针对传统病虫害图像识别方法流程繁琐、效果差和应用困难等问题，本文以番茄、玉米、马铃薯3类作物17种叶部病虫害图片为研究对象，通过改进MobileNetV3网络模型并部署到移动端，实现了对多种作物病虫害图像的有效分类。首先，对病虫害图像做随机裁剪、旋转等预处理操作，对不均衡样本进行数据扩充；然后，将MobileNetV3网络从ImageNet数据集上学习获得的先验知识通过迁移学习策略应用到病虫害数据集上，经过参数微调并采用RAdam优化器训练后得到改进的轻量级网络模型；最后，将该模型通过Android Studio开发软件移植到安卓手机端。实验结果表明，该模型具有精度高、占用内存小、识别速度快等优势，能够满足对农作物叶片病虫害检测的基本要求，对智慧农业的发展具有参考意义。

关键词

病虫害 / 图像识别 / 迁移学习 / 轻量级 / 安卓手机端