一种轻量级CNN玉米病害图像识别方法

针对传统卷积神经网络模型参数和运算量超大,难以部署在资源受限的移动终端或嵌入式设备上的问题,以VGG16作为基础框架,结合MobileNet v3模型思想,提出了一种轻量级卷积神经网络玉米病害图像识别方法,通过逐级渐进的方式建立网络模型,用线性瓶颈的倒残差深度可分离卷积代替标准卷积,用卷积层来代替全连接层,大幅度降低了模型的参数量和运算量。在深度卷积和点卷积之间加入改进的squeeze and excitation通道注意力模块,来增强模型精度。注意力模块的第2个全连接层的激活函数使用hard-swish代替sigmoid,可以大幅度提高运算速度。试验样本数据为PlantVillage数据集的玉米病害子数据集,由于样本数据集偏小,通过随机旋转、随机缩放大小、随机宽度高度偏移、水平翻转、垂直翻转、随机错切变换、随机亮度变化、样本零均值化等方式对样本数据进行了增强和扩充,扩充后的数据集在改进模型上进行试验。试验结果表明,和VGG16对比,改进模型的准确率提高了1.48百分点,参数量是原模型的1/5,运算量是原模型的1/15;在不降低准确率的前提下,模型的参数量和运算量大幅度降低,实现了模型的轻量化。改进模型可以部署在移动终端等手持设备上,为农业病害识别提供指导和参考。

基于轻量化卷积神经网络的番茄病害图像识别

针对多数卷积神经网络模型计算资源消耗多、占用内存大等问题,提出了一种基于轻量化卷积神经网络的番茄病害图像识别方法FTL-MobileNet。该模型通过引入Focal Loss代替交叉熵损失函数(Cross Entropy Loss),聚焦于难分类的样本,接着在全连接层添加Dropout层,防止过拟合,将MobileNetV2在ImageNet训练好的权重参数迁移到改进模型中。选用常见的几种网络模型进行对比实验。结果表明,FTL-MobileNet相比于其他模型收敛更快、泛化能力更好、单张图片识别耗时更低、识别精度更高,在测试集上的平均准确率达到了99.87%,且训练好的模型仅8.74 MB。

复杂背景茶树病害图像识别

针对复杂背景茶树病害图像样本收集困难问题,提出利用相似植物同种病害的图像增广数据集的新思路,构建小样本茶树病害图像数据集和增广数据集,同时引入网上公开的Plant Village植物病害图像数据集。在此基础上,采用VGG-16深度神经网络模型,通过实验比较分析迁移学习、数据增广、模型微调等小样本学习方法对复杂背景茶树病害图像识别问题的有效性。研究结论可为后续复杂背景茶树病害图像识别问题研究提供一定的借鉴和参考。

基于深度残差网络的玉米病害识别

针对人工诊断玉米病害成本高、效率低、时延长等问题,提出一种基于深度残差网络的玉米病害识别网络TFL-ResNet。TFL-ResNet网络基于ResNet50网络,首先引入Focal Loss损失函数使模型专注于难分类的病害样本,其次将ResNet50网络在PlantVillage数据集训练好的参数迁移到改进网络上以完成构建。采用的玉米病害数据集涉及健康植株、大斑病、灰斑病、锈病4种标签,并使用旋转、翻转、平移等操作对数据集进行数据增强与扩充。对数据集进行训练和测试,与VGG16等对照模型相比,TFL-ResNet网络收敛速度更快、分类效果更好,平均识别准确率高达98.96%。通过观察精准率、召回率、混淆矩阵等评价指标得出TFL-ResNet网络具有较好的鲁棒性和泛化能力,可用于玉米病害智能诊断。

改进DenseNet融合去雾算法的水果病害识别

在水果种植领域,病虫害是威胁水果生长的主要因素之一。文章通过识别水果叶片实现复杂环境下对水果病害的识别和防治,对提高水果产量和品质具有关键作用。基于以上问题,文章提出了一种基于深度学习的新型植物病害识别模型,该模型首先通过图像归一化处理和MSRCR去雾算法完成对图像的预处理与增强,然后使用基于梯度上的Canny SLIC算法对病害图像数据集进行高精度的分割,进而得到包含病斑特征的叶片,最后通过改进的DenseNet算法对图像进行病害特征识别和分类,完成水果病害图像的识别。在水果病害中,以白粉病、黑痘病、炭疽病为例进行测试,结果表明该模型平均正确率为98.98%,远高于传统的CNN卷积架构模型的正确率。该模型实现了复杂环境下水果病害图像的识别,可用于辅助水果病害的自动识别与检测,提高了水果病害图像识别的清晰度和准确率。

长距离水工隧洞运营期无人检测技术及病害识别方法研究进展

水工隧洞在我国水利工程中占据重要地位,是用于输水、灌溉等工程的重要基础设施.在长时间运行后,大量的长距离水工隧洞出现开裂、渗漏等病害,如不及时检测,会严重影响隧洞正常输水能力.但是传统人工检测方式速度慢、危险性高,隧洞检测手段迫切需要转型升级.为了解水工隧洞检测技术研究与应用情况,本文梳理了隧洞病害无人检测装备应用现状,从隧洞无人检测装备的关键技术与病害识别方法两个方面,分析了国内外表观病害检测技术、水下定位导航技术以及水下行进控制技术研究现状,探讨了长距离水工隧洞病害图像识别的主要发展方向.研究表明,发展和推广长距离水工隧洞检测装备自动化、检测数据信息化、检测识别智能化是建设隧洞智慧健康诊断体系与安全评价方法的重要前提,是实现运营状态精准管理的重要保障措施,未来发展方向应集中在病害综合诊断体系、机器人检测运行技术、水下无损检测技术、多源异构识别技术以及智慧健康诊断平台等方面.