[发明专利]一种基于迁移学习的植物叶片病虫害程度分类方法

摘要

本发明公开了一种基于迁移学习的植物叶片病虫害程度分类方法，在常规图像预处理之后增设了0填充处理，使得图像的边缘特征信息能够被更加清晰地提取出来；利用ImageNet提供的通用机器视觉模型权重参数减轻模型训练的时间复杂度和资源消耗量；并对现有的ResNet50型残差神经网络进行改进，增设了可以保留更多信息的平均池化层、可以将多维数据降为1维进而加快计算速度的Flatten层、运算2048个中间特征的第一全连接层和最末端的第二全连接层，相比于现有技术，训练效果更佳，最终得到精度近似90％的处理效果。

主权项

1.一种基于迁移学习的植物叶片病虫害程度分类方法，其特征在于，包括以下步骤：/nS1、收集已诊断出病虫害信息的植物叶片图像，得到初始植物叶片病虫害数据集；/nS2、对初始植物叶片病虫害数据集进行仿射变换，并进行随机增减光亮和归一化处理，得到统一尺寸的预处理植物叶片病虫害数据集；/nS3、对预处理植物叶片病虫害数据集进行0填充，得到植物叶片病虫害数据集；/nS4、将植物叶片病虫害数据集按N∶M∶L的比例分配为训练集、验证集和测试集；/nS5、根据ResNet50型网络架构，建立残差神经网络模型，从前到后依次为卷积层、最大池化层和16个残差块；/nS6、在残差神经网络模型的末端增添平均池化层、Flatten层、第一全连接层和第二全连接层，得到初始神经网络；/nS7、将ImageNet图像识别数据库中提供的各层神经元权重值导入初始神经网络模型，进行迭代训练，得到训练完成的神经网络；/nS8、使用训练完成的神经网络对植物叶片图像进行处理，得到叶片种类、病虫害种类以及病虫害程度的结果。/n