馬鈴薯病害識別算法研究.pdf

1、馬鈴薯是內(nèi)蒙古地區(qū)的重要農(nóng)作物之一，根據(jù)中國農(nóng)業(yè)信息網(wǎng)相關數(shù)據(jù)顯示病蟲害已造成馬鈴薯大量減產(chǎn)。本文利用深度學習技術針對馬鈴薯葉部四種主要的病害圖像進行識別研究，再結(jié)合智能手機webApp開發(fā)技術，設計并實現(xiàn)了適用于本文馬鈴薯葉部病害圖像的識別系統(tǒng)。
　　為了解決傳統(tǒng)識別方法中特征提取速度和識別效果的問題，利用深度卷積神經(jīng)網(wǎng)絡的識別技術、Tensorflow計算框架對馬鈴薯葉部病害圖像展開識別研究。首先建立了四種病害圖像數(shù)據(jù)集，并將

2、數(shù)據(jù)集的圖像格式轉(zhuǎn)換為二進制格式；構(gòu)建了9層網(wǎng)絡結(jié)構(gòu)模型，在網(wǎng)絡的輸入層隨機對圖像進行變換，對圖像增加白化處理，提高網(wǎng)絡的魯棒性，設計三個卷積層和三個池化層對圖像進行特征學習和二次特征的抽象，設計三個全連接層將卷積、池化層學習到的特征連接到該層設置的每個神經(jīng)元，進而獲取最高層次的圖像特征；通過大量試驗確定網(wǎng)絡參數(shù)，采用2000個病害圖像訓練樣本集訓練網(wǎng)絡模型，訓練網(wǎng)絡用時約3個小時，自動學習到384個病害圖像特征，結(jié)合softmax分類

3、器構(gòu)建識別模型，訓練集的識別準確率達到86%；之后利用400個測試集樣本對模型進行評估，測試結(jié)果表明分類識別準確率達到87.04%。
　　與傳統(tǒng)的特征提取方法及BP神經(jīng)網(wǎng)絡分類識別算法實驗結(jié)果進行對比。傳統(tǒng)的特征提取是分別利用灰度共生矩陣、Hu矩提取病斑區(qū)域的紋理、形狀特征訓練網(wǎng)絡，然后對網(wǎng)絡模型進行測試，識別準確率為85.3%。相對于傳統(tǒng)算法深度卷積神經(jīng)網(wǎng)絡的識別精度提高將近3%，同時特征學習時間得到質(zhì)的改變，還避免了一些人為定