基于卷积循环神经网络的桃树叶部病害图像识别

桃树炭疽病和褐斑病具有相似度高、症状关联度高和病斑位置不同等特点,卷积神经网络在识别过程中,卷积层和池化层分别对病害区域进行局部卷积和池化操作,未考虑各病害区域间的上下文相关信息和位置信息,降低了识别准确率。而双向长短期记忆网络由两个正向和反向的长短期记忆网络组成,且各循环单元之间具有反馈连接,能够挖掘和记忆输入序列数据中的上下文相关信息和位置信息。因此,本文提出了一种基于VGGNet-BiLSTM的桃树叶部病害图像识别算法。结果表明,本文提出的算法在测试集上识别准确率为93.73%,具有较高的识别准确率。