«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第51卷

期数:

2023年第9期

页码:

215-221

栏目:

农业工程与信息技术

出版日期:

2023-05-05

文章信息/Info

Title:

Recognition of tomato disease based on transfer learning and MobileNet V2

作者:

王哲豪; 范丽丽; 何前

武汉轻工大学(金银湖校区)，湖北武汉 430048

Author(s):

Wang Zhehao; et al

关键词:

MobileNet V2; 迁移学习; 病害识别; 番茄

Keywords:

-

分类号:

TP391.41

DOI:

-

文献标志码:

A

摘要:

番茄叶部病害严重影响了番茄的产量和质量，为实现在移动设备实时对番茄进行病害识别，提高番茄的产量，减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合，对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别，首先将数据集按照9 ∶1的比例分为训练集和验证集，对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型，然后在模型最后加上2层全连接层并用Dropout层防止过拟合，接着通过Softmax层输出实现对番茄病害图像分类识别，最后利用验证集来统计模型的准确率和损失值。其中，冻结部分卷积层准确率最高，达到93.67%。另外，通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间，其中迁移学习的MobileNet V2模型的准确率最高，运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳，速度较快，为在移动设备实时对番茄病害识别提供了技术支持。

Abstract:

-

参考文献/References:

［1］Chandra N V，Megha Reddy K，Ashish Sushanth G，et al. A versatile approach based on convolutional neural networks for early identification of diseases in tomato plants［J］. International Journal of Wavelets，Multiresolution and Information Processing，2022，20(1)：12-21.
［2］张宁，吴华瑞，韩笑，等. 基于多尺度和注意力机制的番茄病害识别方法［J］. 浙江农业学报，2021，33(7)：1329-1338.
［3］赵小虎，李晓，叶圣，等. 基于改进U-Net网络的多尺度番茄病害分割算法［J］. 计算机工程与应用，2022，58(10)：216-223.
［4］贾兆红，张袁源，王海涛，等. 基于Res2Net和双线性注意力的番茄病害时期识别方法［J］. 农业机械学报，2022，53(7)：259-266.
［5］张洪骏. 基于CNN的番茄叶片病害图像识别方法研究［D］. 哈尔滨：哈尔滨工业大学，2021.
［6］胡玲艳，周婷，许巍，等. 面向番茄病害识别的改进型SqueezeNet轻量级模型［J］. 郑州大学学报(理学版)，2022，54(4)：71-77.
［7］方晨晨，石繁槐. 基于改进深度残差网络的番茄病害图像识别［J］. 计算机应用，2020，40(增刊1)：203-208.
［8］王忠培，张萌，董伟，等. 基于迁移学习的多模型水稻病害识别方法研究［J］. 安徽农业科学，2021，49(20)：236-242.
［9］董萍，卫梦华，时雷，等. 迁移学习在玉米叶片病害识别中的研究与应用［J］. 中国农机化学报，2022，43(3)：146-152.
［10］徐杰. 基于ResNet的茶叶病害识别系统设计与实现［J］. 电子技术与软件工程，2022(12)：167-170.
［11］周维，牛永真，王亚炜，等. 基于改进的YOLOv4-GhostNet水稻病虫害识别方法［J］. 江苏农业学报，2022，38(3)：685-695.
［12］孙俊，朱伟栋，罗元秋，等. 基于改进MobileNet-V2的田间农作物叶片病害识别［J］. 农业工程学报，2021，37(22)：161-169.
［13］孟琭，徐磊，郭嘉阳.一种基于改进的MobileNet V2网络语义分割算法［J］. 电子学报，2020，48(9)：1769-1776.
［14］刘合兵，鲁笛，席磊. 基于MobileNet V2和迁移学习的玉米病害识别研究［J］. 河南农业大学学报，2022，56(6)：1041-1051.
［15］Shahi T B，Sitaula C，Neupane A，et al. Fruit classification using attention-based MobileNet V2 for industrial applications［J］. PLoS One，2022，17(2)：e0264586.
［16］林禹. 深度神经网络传递迁移学习遥感影像分类［D］. 阜新：辽宁工程技术大学，2021.
［17］马铮. 基于深度-迁移学习的玉米叶部病害识别方法研究［D］. 哈尔滨：东北农业大学，2021.
［18］周宏威，沈恒宇，袁新佩，等. 基于迁移学习的苹果树叶片病虫害识别方法研究［J］. 中国农机化学报，2021，42(11)：151-158.

相似文献/References:

[1]刘嘉政.基于深度迁移学习模型的花卉种类识别[J].江苏农业科学,2019,47(20):231.
　Liu Jiazheng.Flower species identification based on deep transfer learning model[J].Jiangsu Agricultural Sciences,2019,47(9):231.
[2]黎振,陆玲,熊方康.基于k-means分割和迁移学习的番茄病理识别[J].江苏农业科学,2021,49(12):156.
　Li Zhen,et al.Tomato pathological recognition based on k-means segmentation and transfer learning[J].Jiangsu Agricultural Sciences,2021,49(9):156.
[3]徐振南,王建坤,胡益嘉,等.基于MobileNetV3的马铃薯病害识别[J].江苏农业科学,2022,50(10):176.
　Xu Zhennan,et al.Potato disease recognition based on MobileNetV3[J].Jiangsu Agricultural Sciences,2022,50(9):176.
[4]温艳兰,陈友鹏,王克强,等.基于迁移学习和改进残差网络的复杂背景下害虫图像识别[J].江苏农业科学,2023,51(8):171.
　Wen Yanlan,et al.Recognition of pest images under complex background based on transfer learning and improved residual network[J].Jiangsu Agricultural Sciences,2023,51(9):171.
[5]章广传,李彤,何云,等.基于迁移模型集成的马铃薯叶片病害识别方法[J].江苏农业科学,2023,51(15):216.
　Zhang Guangchuan,et al.A method for identifying potato leaf diseases based on migration model integration[J].Jiangsu Agricultural Sciences,2023,51(9):216.
[6]李云红,张蕾涛,谢蓉蓉,等.基于AT-DenseNet网络的番茄叶片病害识别方法[J].江苏农业科学,2023,51(21):209.
　Li Yunhong,et al.An identification method for tomato leaf disease based on AT-DenseNet network[J].Jiangsu Agricultural Sciences,2023,51(9):209.
[7]肖天赐,陈燕红,李永可,等.基于改进通道注意力机制的农作物病害识别模型研究[J].江苏农业科学,2023,51(24):168.
　Xiao Tianci,et al.Study on crop disease identification model based on improved channel attention mechanism[J].Jiangsu Agricultural Sciences,2023,51(9):168.
[8]姜晟久,钟国韵.基于可分离扩张卷积和通道剪枝的番茄病害分类方法[J].江苏农业科学,2024,52(2):182.
　Jiang Shengjiu,et al.Tomato disease classification method based on separable dilated convolution and channel pruning[J].Jiangsu Agricultural Sciences,2024,52(9):182.
[9]章广传,李彤,高泉,等.融合迁移学习和知识蒸馏的轻量级马铃薯叶片病害识别模型的构建方法[J].江苏农业科学,2024,52(4):197.
　Zhang Guangchuan,et al.Construction of a lightweight potato leaf disease recognition model based on transfer learning and knowledge distillation[J].Jiangsu Agricultural Sciences,2024,52(9):197.
[10]姜月明,王健,董光辉,等.基于改进卷积神经网络的苹果叶片病害识别[J].江苏农业科学,2024,52(14):214.
　Jiang Yueming,et al.Recognition of apple leaf disease based on improved convolutional neural network[J].Jiangsu Agricultural Sciences,2024,52(9):214.

备注/Memo

备注/Memo:

收稿日期：2022-06-24
基金项目：湖北省教育厅创新团队项目(编号：T2021009)；国家自然科学基金(编号：11871388)。
作者简介：王哲豪(1996—)，男，湖北武汉人，硕士研究生，研究方向为农业图像处理。E-mail：1030922418@qq.com。
通信作者：范丽丽，博士，副教授，硕士生导师，从事偏微分方程方面的研究。E-mail：23404587@qq.com。

常用功能

更新日期/Last Update: 2023-05-05