基于深度学习的鲜食葡萄叶片品种识别研究

摘要

【目的】建立基于深度学习的鲜食葡萄叶片品种识别模型，为中国鲜食葡萄品种的保护、开发和系统分类工作奠定科学基础，并为其他农作物品种的鉴别工作提供借鉴。【方法】聚焦于68个常见鲜食葡萄成熟叶片的图像分析，通过图像采集技术，构建一个包含29 713张图像的鲜食葡萄叶片数据集。采用4种先进的卷积神经网络模型——GoogleNet、ResNet-50、ResNet-101和VGG-16对这些图像进行深入的自动识别研究。【结果】在所有测试的网络模型中ResNet-101表现最为出色，其在最佳参数配置下达到了97.99%的分类精度。在对68个葡萄品种的叶片图像进行检测时，对23个品种的预测准确率达到了100%，对整体的平均预测准确率则为94.90%。此外，对18个品种的召回率也达到了100%，对整体的平均召回率为94.19%。采用Grad-CAM技术分析的结果显示，所有模型都能精确地识别叶片的关键特征，叶片的表面纹理、叶脉和叶缘部分在品种识别过程中起到了至关重要的作用。【结论】深度学习网络模型可以很好地对鲜食葡萄进行自动实时识别。

关键词

鲜食葡萄 / 深度学习 / 品种识别 / 叶片

基金资助

广西重点研发计划(桂农科AB241484010); 国家现代农业产业技术体系(CARS-29-yc-1); 楚雄州“兴楚科技领军人才”培养项目(CXKJLJRC2023—06号); 国家园艺种质资源库运行服务(NHGRC2021-NH00-2); 中国农业科学院科技创新工程专项经费(CAAS-ASTIP-2017-ZFRI)