一种基于迁移卷积神经网络的蓝莓叶片品种识别方法

技术特征：
1.一种基于迁移卷积神经网络的蓝莓叶片品种识别方法，其特征是包括以下步骤：步骤1：数据准备，获取蓝莓叶片图像数据，对蓝莓叶片数据进行预处理，制作蓝莓叶片数据集；然后将其分为训练集和验证集；步骤2：建立模型，该模型以efficientnet-b1网络模型为基础，并对efficientnet-b1网络模型结构中stage1～stage7的mbconv结构进行改进，改进后的mbconv结构由一个卷积核大小为1
×
1的逐点卷积，一个卷积核大小为k
×
k的深度可分离卷积，一个se模块，一个卷积核大小为1
×
1的逐点卷积和一个cbam模块组成；步骤3：训练模型，将所述步骤1中的训练集中的蓝莓叶片图像作为输入，对应蓝莓叶片标签作为输出，对步骤2构建的改进的efficientnet-b1模型进行训练，将训练后权重保存入模型；步骤4：确定模型，将所述步骤1中的验证集中的蓝莓叶片图像作为输入，对应蓝莓叶片标签作为输出，将输出值与图像的实际标签比较计算得到模型准确率；重复上述过程，选取准确率最高的模型作为蓝莓叶片识别模型；步骤5：将待检测的蓝莓叶片图像进行预处理后，输入所述步骤4得到的蓝莓品种识别模型，输出待检测的蓝莓叶片图像标签，即蓝莓品种识别结果。2.如权利要求1所述的一种基于迁移卷积神经网络的蓝莓叶片品种识别方法，其特征是：所述步骤1和所述步骤5中的预处理，具体步骤如下：步骤a：根据蓝莓叶片图像的颜色特征，以叶片图像的r、g、b通道为算子，根据超绿特征的公式exg＝2*g-r-b，得到蓝莓叶片灰度图像；步骤b：根据蓝莓叶片灰度图像叶片和背景灰度值差异大的特点，使用otsu最大类间方差法进行阈值分割，得到粗糙的蓝莓叶片二值图像；再使用腐蚀和膨胀的方法去除斑点毛刺等，得到光滑的蓝莓叶片二值图像；步骤c：对蓝莓叶片二值图像使用最小外接正矩形算法得到起始点(x,y)和矩形的宽和高，直接对原始蓝莓叶片图像进行截取，得到预处理后的蓝莓叶片图像，减少了背景对于蓝莓叶片品种识别的干扰。3.如权利要求1或2所述的一种基于迁移卷积神经网络的蓝莓叶片品种识别方法，其特征是：所述步骤3中对改进的efficientnet-b1模型进行训练的方法采用迁移学习的方法，该方法的具体步骤为：利用在imagenet数据集上预训练的efficientnet-b1模型参数文件对改进的efficientnet-b1模型网络的权值进行初始化；然后利用反向传播算法更新训练权重，将训练后权重保存入模型。4.如权利要求3所述的一种基于迁移卷积神经网络的蓝莓叶片品种识别方法，其特征是：所述反向传播算法，具体方法为：将训练集中的图像数据输入到网络模型，输出对应蓝莓叶片标签，计算输出值与图像的实际标签之间的误差，并将该误差反向传播；在反向传播的过程中，根据误差按照梯度下降法调整网络中各层中的权重。

技术总结
本发明公开了一种基于迁移卷积神经网络的蓝莓叶片品种识别方法，该方法为：将获取蓝莓叶片图像进行预处理后，制作蓝莓叶片数据集；然后将其分为训练集和验证集；建立以EfficientNet-B1网络模型为基础，并对EfficientNet-B1网络模型结构中Stage1～Stage7的MBConv结构进行改进，得到改进的EfficientNet-B1模型进行训练，将训练后权重保存入模型；将数据集输入，对应蓝莓叶片标签作为输出，对构建的改进的EfficientNet-B1模型对数据集进行训练和验证，选取准确率最高的模型作为蓝莓叶片识别模型；将待检测的蓝莓叶片图像进行预处理后，输入蓝莓品种识别模型，得到蓝莓品种识别结果。本发明的蓝莓叶片品种识别方法，解决人为选取特征导致分类结果精度不高和没有专门针对蓝莓叶片品种的识别模型的问题。的问题。的问题。


技术研发人员：赵翠芳 姚婉云 易美娟 万超 田永乐
受保护的技术使用者：浙江师范大学
技术研发日：2022.08.19
技术公布日：2022/12/1