基于VGG-F动态学习模型的苹果病虫害识别

摘要

为了提高自然环境下苹果病虫害的识别准确率和识别效率,提出了具有动态学习特征的VGG-F苹果病虫害识别模型。首先,依据常见的苹果病害和虫害类型构建图像数据集,同时采用Retinex算法对数据集中的含雾图像进行增强处理;然后选择网络层数较少的VGG-F网络模型作为迁移学习对象,并依据数据样本特性对重训练过程进行学习率动态调整,以及基于试验对比选取最佳动量值;最后,利用数据集对三种不同模型进行重训练和识别效果对比测试。数值测试结果表明:相比于原始VGG-F模型和深层模型VGG-19,苹果病虫害识别准确率分别提升了5%和0. 63%,且该模型的重训练时间最短,从而验证了苹果病虫害识别模型的有效性。

关键词