| 摘 要： | 目的 针对苹果病害中比较常见的症状———花叶病,尤其在昼夜温差大的条件下发病迅速,落叶率提高,造
成苹果大面积减产,产生巨大的经济损失;对于花叶病病斑数量太多,尺度不一的影响,从而造成病害识别准确率
较低等问题,提出了一种引入迁移学习和胶囊网络的方法,以提高病害识别率。 方法 首先对获得的花叶病数据集
进行扩充、数据增强等处理,并利用 Labelme 工具对图像进行标注,分别标记出病斑区域和叶片区域;其次将训练
好的 VGG16 模型权重通过迁移学习技术移至 U-net 中编码部分,并引入胶囊网络,使得整个网络具有更强的特征
提取能力;然后对 VGG16 模型、胶囊网络部分进行训练,最后将训练好的网络模型进行语义分割并输出测试的结
果。 结果 实验结果 表 明, 原 始 数 据 集 的 准 确 率 为 87. 51%, 引 入 迁 移 学 习 后 的 准 确 率 提 升 至 91. 78%, 提 升 了
4. 88%;引入胶囊网络的准确率提升至 90. 04%,提升了 2. 89%;而引入迁移学习和胶囊网络之后,准确率提升至
93. 42%,提升了 6. 75%。 并且模型每一轮的训练时间也在引入了迁移学习后提升了 2 s。 结论 据实验结果可以证
明模型方法引入迁移学习和胶囊网络后,相较于传统模型在识别准确率方面有了一定的提升,其次也减少了每一
轮的模型训练时间,总体分割性能较好。
|
