首页 > 西北林学院学报 > 面向神经网络结构搜索的植物叶片病害增强识别方法

面向神经网络结构搜索的植物叶片病害增强识别方法

Enhanced Identification Method of Plant Leaf Disease Based on Neural Network Structure Search

二维码有效期 120s

摘要针对植物病害识别模型结构复杂且依赖于人为设计网络结构等问题,通过神经网络结构搜索(NAS),提出一种基于队列分块的神经网络结构搜索方法(NNSS),可实现超轻量级高精度植物叶片图像识别模型的自动构建.首先将 12 种在经济和环境下有益的植物共计 22 类植物叶片图像作为训练样本,利用模糊 c均值聚类(FCM)算法分割植物叶片的感染点,以获得叶片受关注的区域信息;通过图像像素的灰度空间相关性,采用快速灰度共生矩阵(FGLCM)算法提取 6 类受关注区域的纹理特征信息,获得的特征向量运用主成分变换选择重要特征;提出队列分块的局部搜索空间构造方法,将特征信息通过自动构建的模型进行分类.结果表明,NNSS方法取得了 98.33%的准确率,特异性和灵敏性表现最优.相比于 AlexNet、GoogLeNet、InceptionV3 和 VGGNet-16 模型,改进VGG-INCEP16 模型的性能得到进一步提升,但仍低于 NNSS 方法,这是由于该方法能结合数据集搜索合适的网络结构,对比次优 VGG-INCEP16 模型准确率至少提高了 2.1%.研究结果显示,NNSS方法能够实现准确识别植物病害,对于神经网络模型结构自动搜索的未来具有较高的实际应用价值.

作者代国威 ^[1] 田志民 ^[2] 樊景超 ^[3] 王朝雨 ^[4] 学术成果认领

作者单位中国农业科学院农业信息研究所/国家农业科学数据中心,北京 100081 ^[1] 河北水利电力学院,河北沧州 061001 ^[2] 中国农业科学院农业信息研究所/国家农业科学数据中心,北京 100081;中国农业科学院国家南繁研究院,海南三亚 572025 ^[3] 广汉市中医院,四川广汉 618399 ^[4]

关键词图像处理神经网络结构搜索模糊c均值聚类快速灰度共生矩阵叶片病害识别 image processing neural network structure search fuzzy c-means clustering fast grey-level cooccurrence matrix leaf disease identification

分类号 S763.1

栏目名称

森林保护学

DOI 10.3969/j.issn.1001-7461.2023.05.21

发布时间 2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家重点研发计划（2021YFF0704200）中国农业科学院院级基本科研业务费（Y2022LM20）中国农业科学院科技创新工程项目（CAAS-ASTIP-2016-AII）