近年來,隨著綠色農(nóng)業(yè)概念的提出,作物病害的防治問題受到極為廣泛的關(guān)注。目前,計算機視覺技術(shù)在作物病害識別領(lǐng)域中的應(yīng)用已經(jīng)取得了一定的研究成果,然而基于傳統(tǒng)機器視覺的病害識別方法需要依賴人工特征選取,難以全面的反應(yīng)作物葉片病害特性,精確率仍有待提高。卷積神經(jīng)網(wǎng)絡(luò)是一種深度學(xué)習(xí)算法,可有效避免傳統(tǒng)計算機視覺技術(shù)繁瑣的特征選擇過程,并實現(xiàn)比傳統(tǒng)算法更高的識別精度,但是,現(xiàn)有基于深度學(xué)習(xí)的葉片病害識別模型存在參數(shù)量大等問題。鑒于此,本文以簡單背景以及實際復(fù)雜背景下作物葉片病害圖片為研究對象,改進了卷積神經(jīng)網(wǎng)絡(luò)算法并應(yīng)用于作物葉片病害識別研究中。具體內(nèi)容如下:（1）針對卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)量與計算量大、收斂速度慢的問題,提出了采用深度可分離卷積與全局均值池化相結(jié)合的方法改進卷積神經(jīng)網(wǎng)絡(luò)以減少參數(shù)量與計算量;提出了采用殘差連接與加入批歸一化層改進卷積神經(jīng)網(wǎng)絡(luò)加速模型收斂,實現(xiàn)簡單背景下作物葉片病害的快速精確識別。研究結(jié)果表明,本文所提出的DW-ResNet算法模型收斂速度較快,殘差連接可以提升模型的精度與收斂速度。與基于微調(diào)VGG模型和傳統(tǒng)機器學(xué)習(xí)的病害識別方法相比,DW-ResNet算法具有較高... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積方式

圖 2.1 卷積方式Fig.2.1 Convolution methods卷積相似，三維卷積的不同之處在于卷積核的通道數(shù)不的通道數(shù)相等，如圖 2.2 所示，若輸入的圖像尺寸為f D 經(jīng)過一個大小為k kD D的卷積核處理之后，輸出特征

池化層Fig.2.3Poolinglayer

【參考文獻】：
期刊論文
[1]基于改進VGG卷積神經(jīng)網(wǎng)絡(luò)的棉花病害識別模型[J]. 張建華,孔繁濤,吳建寨,翟治芬,韓書慶,曹姍姍.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2018(11)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識別[J]. 龍滿生,歐陽春娟,劉歡,付青.  農(nóng)業(yè)工程學(xué)報. 2018(18)
[3]深度神經(jīng)網(wǎng)絡(luò)壓縮與加速綜述[J]. 紀(jì)榮嶸,林紹輝,晁飛,吳永堅,黃飛躍.  計算機研究與發(fā)展. 2018(09)
[4]基于樣本權(quán)重更新的不平衡數(shù)據(jù)集成學(xué)習(xí)方法[J]. 陳圣靈,沈思淇,李東升.  計算機科學(xué). 2018(07)
[5]不平衡數(shù)據(jù)分類研究綜述[J]. 趙楠,張小芳,張利軍.  計算機科學(xué). 2018(S1)
[6]基于隨機森林方法的小麥葉片病害識別研究[J]. 夏永泉,王兵,支俊,黃海鵬,孫靜茹.  圖學(xué)學(xué)報. 2018(01)
[7]基于物聯(lián)網(wǎng)和深度卷積神經(jīng)網(wǎng)絡(luò)的冬棗病害識別方法[J]. 張善文,黃文準(zhǔn),尤著宏.  浙江農(nóng)業(yè)學(xué)報. 2017(11)
[8]基于區(qū)分深度置信網(wǎng)絡(luò)的病害圖像識別模型[J]. 宋麗娟.  計算機工程與應(yīng)用. 2017(21)
[9]基于改進卷積神經(jīng)網(wǎng)絡(luò)的多種植物葉片病害識別[J]. 孫俊,譚文軍,毛罕平,武小紅,陳勇,汪龍.  農(nóng)業(yè)工程學(xué)報. 2017(19)
[10]基于深度學(xué)習(xí)和支持向量機的4種苜蓿葉部病害圖像識別[J]. 秦豐,劉東霞,孫炳達,阮柳,馬占鴻,王海光.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2017(07)

碩士論文
[1]基于深度學(xué)習(xí)的移動端圖像識別算法[D]. 黃萱昆.北京郵電大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的大豆病害識別研究[D]. 徐冬.安徽大學(xué) 2018
[3]基于神經(jīng)網(wǎng)絡(luò)和支持向量機的苧麻病害識別系統(tǒng)的研究[D]. 劉曜端.湖南農(nóng)業(yè)大學(xué) 2017



本文編號：2945583