基于改进深度卷积神经网络的苹果病害识别

编号 zgly0001670857

文献类型 期刊论文

文献题名 基于改进深度卷积神经网络的苹果病害识别

作者 张善文  张晴晴  李萍 

作者单位 郑州西亚斯学院 

母体文献 林业工程学报 

年卷期 2019年04期

年份 2019 

分类号 TP391.41  TP18  S436.611.1 

关键词 苹果病害  图像识别  深度卷积神经网络  全局平均池化 

文摘内容 传统的深度卷积神经网络(DCNNs)使用3个全连接层将经过多次卷积层和池化层后提取到的特征图映射并连接为一个特征向量,然后利用Softmax分类器进行分类。该模型容易出现过拟合问题,而且由于在全连接层中参数太多,导致训练时间增加和泛化能力下降。针对传统的DCNNs模型在图像识别中出现的问题,提出一种改进的DCNNs模型,并应用于苹果叶部病害识别中。相比传统的DCNNs算法,改进的DCNNs利用一个全局平均池化层替代全连接层,并利用改进的Softmax分类器进行病害类别识别。在苹果病害叶片图像数据库上的实验结果表明,该模型能够克服过拟合问题,提高病害的识别率,大幅度降低模型的训练和识别时间。