基于图像超分辨率预处理和二次迁移学习的水稻病害识别方法

摘要

针对现有的深度学习模型在水稻叶片病害的识别中准确率较低的问题，本文提出一种基于图像超分辨率预处理和二次迁移学习的水稻病害识别方法，通过采用超分辨率重建技术，可以获得更高质量的图像，从而提升识别率；通过使用二次迁移学习技术，引入由Inception块构成的AW模块构建网络模型AW-Net(add width modules to the networkmodel)，该方法增加了模型的网络宽度，可以有效缩小类内距离，扩大类间距离，实现了对水稻叶片病害区域特征的有效提取，提升识别率。实验结果表明，本文方法识别的准确率显著提升。

关键词

图像超分辨率 / 二次迁移学习 / VGG16 / inception模块 / 图像分类