ꔷ 引文格式 ꔷ
周巧黎, 馬麗, 曹麗英, 于合龍. 基于改進輕量級卷積神經網絡MobileNetV3的番茄葉片病害識别[J]. 智慧農業(中英文), 2022, 4(1): 47-56.
ZHOU Qiaoli, MA Li, CAO Liying, YU Helong. Identification of tomato leaf diseases based on improved lightweight convolutional neural networks MobileNetV3[J]. Smart Agriculture, 2022, 4(1): 47-56.
點選直達知網閱讀
點選直達官網閱讀（全文，免費）
基于改進輕量級卷積神經網絡MobileNetV3的番茄葉片病害識别
周巧黎， 馬 麗*， 曹麗英， 于合龍*
（吉林農業大學 資訊技術學院，吉林長春130118）
摘要：番茄病害的及時檢測可有效提升番茄的品質和産量。為實作番茄病害的實時無損傷檢測，本研究提出了一種基于改進MobileNetV3的番茄葉片病害分類識别方法。首先選擇輕量級卷積神經網絡MobileNetV3，在Image Net資料集上進行預訓練，将預訓練得到的共享參數遷移到對番茄葉片病害識别的模型上并做微調處理。采用相同的訓練方法對VGG16、ResNet50和 Inception-V3 三種深度卷積網絡模型也進行遷移學習并進行對比，結果顯示MobileNetV3的總體學習效果最好，在Mixup混合增強和focal loss損失函數下對10類番茄病害的平均測試識别準确率達到94.68%。在遷移學習的基礎上繼續改進 MobileNetV3模型，在卷積層引入空洞卷積和感覺機結構，采用GLU（Gated Liner Unit）閘門機制激活函數，訓練得到最佳的番茄病害識别模型，平均測試的識别準确率98.25%，模型的資料規模43.57 MB，單張番茄病害圖像的檢測耗時僅0.27 s。經十折交叉驗證（10-Fold Cross-Validation），模型的魯棒性良好。本研究可為番茄葉片病害的實時檢測提供理論基礎和技術支援。
關鍵詞：番茄病害識别；卷積神經網絡；遷移學習；MobileNetV3；激活函數；識别分類
文章圖檔
圖1 番茄葉片七星葉斑病原始圖像和增廣圖像對比
Fig. 1 Comparison of original image and augmented images of tomato septoria leaf spot
圖2 番茄葉片病害圖像Mixup增強
Fig. 2 Mixup enhancement of tomato leaf disease image
圖3 基于遷移學習的番茄葉片病害識别流程圖
Fig. 3 Flow chart of tomato leaf disease identification based on transfer learning
圖4 多層感覺機結構圖
Fig. 4 Multilayer perceptron structure
圖5 空洞卷積膨脹示意圖
Fig. 5 Schematic diagram of dilated convolution expansion
圖6 改進的MobileNetV3網絡模型結構圖
Fig. 6 Structure diagram of improved MobileNetV3
network model
圖7 MobileNetV3， VGG16， ResNet50， Inception-V3四種遷移學習對比
Fig. 7 Comparison of the four transfer learning of MobileNetV3， VGG16， ResNet50， Inception-V3
圖8 四種算法識别番茄病害結果
Fig.8 Tomato leaf diseases recognition results using the four algorithms
圖9 遷移MobileNetV3模型改進前後測試曲線
Fig. 9 Test curves before and after model improvement of migrate MobileNetV3
圖10 改進MobileNetV3模型混淆矩陣圖
Fig. 10 Improved confusion matrix of MobileNetV3
來源：《智慧農業（中英文）》2022年第1期
轉載請聯系編輯部授權
本期支援機關
京藍雲智物聯網技術有限公司
浙江臻善科技股份有限公司
濰柴雷沃重工股份有限公司
小
店
歡迎光臨選購
微信交流服務群
為友善農業科學領域讀者、作者和審稿專家學術交流，促進智慧農業發展，為更好地服務廣大讀者、作者和審稿人，編輯部建立了微信交流服務群，有關專業領域内的問題讨論、投稿相關的問題均可在群裡咨詢。
入群方法：加小編微信331760296，備注：姓名、機關、研究方向，小編拉您進群，機構營銷廣告人員勿擾。
資訊釋出
科研團隊介紹及招聘資訊、學術會議及相關活動的宣傳推廣