西京学院2019
本文将不同病害程度的黄瓜叶片病害图像作为研究对象，利用机器视觉和深度学习等相关技术对黄瓜叶部病害程度分级识别方法进行研究。
本论文针对自然背景下不同病害程度的3种黄瓜叶部主要病害类型的分级识别方法进行研究，主要包括以下内容：
（1）对采集的不同病害程度的黄瓜叶片图像进行数据增强处理，将黄瓜叶片病害图像进行旋转、扭曲、镜像变换、添加噪声等多种几何变换方法并且不改变图像的类别和属性，扩充数据集样本，解决训练样本不足的问题，在训练中减少模型过拟合问题，并按照一定比例将创建的数据集划分为训练集和测试集。
（2）为避免传统识别方法中复杂的图像预处理和人工设计特征过程，本文以VGG-16 网络模型为基础构建一个改进的深度卷积神经网络（Convolutional NeuralNetworks, CNN）模型，该算法首先利用微型迁徙学习、带参数整流函数（PReLU）来构建深度卷积层，对不同尺寸的黄瓜叶片病害输入图像进行快速且稳定的特征提取；然后采用空间金字塔池化的方式实现固定大小的黄瓜病害特征图像的输出表示；最后替换全连接层中的参数以降低计算复杂度，通过 Softmax 实现黄瓜叶片病害程度识别。实验结果表明，本论文提出的网络模型具有较好的识别性能，对黄瓜叶部病
害程度的分级识别率为 87.24%。
（3）针对 CNN 在训练过程中的过拟合问题，分析讨论了卷积核尺寸、梯度下降优化算法以及激活函数的参数选择对模型过拟合率的影响，并且调整网络模型中的参数进行实验对比，验证改进的深度 CNN 模型的图像分类识别性能。
关键 词： 黄瓜病害，图像识别 ，机器视觉，卷积神经网络，VGG-16
若有收获，就点个赞吧
0 人点赞
