一種基于改進(jìn)ResNet18 神經(jīng)網(wǎng)絡(luò)的玉米葉片病害識(shí)別方法

打開文本圖片集

摘 要： 為了研究出一種快速、高效的玉米病害識(shí)別方法，針對(duì)玉米葉片病害識(shí)別問題，本文以灰斑病、南方銹病、小斑病、銹病、葉斑等5 種常見的玉米葉片病害為研究對(duì)象，提出一種基于改進(jìn)ResNet18 神經(jīng)網(wǎng)絡(luò)的玉米病害識(shí)別方法。通過在ResNet18 網(wǎng)絡(luò)的基礎(chǔ)上引入金字塔卷積（Pyramidal Convolution）可以在玉米復(fù)雜的生長(zhǎng)環(huán)境中利用多尺度的特征信息來提高模型對(duì)單葉片的識(shí)別和定位能力，以有效加快模型的收斂速度并顯著提高模型的病害識(shí)別準(zhǔn)確率；將殘差結(jié)構(gòu)的激活函數(shù)替換為PReLU（Parametric Rectified Linear Unit）激活函數(shù)避免模型訓(xùn)練過程中的神經(jīng)元死亡。（剩余2578字）