基于多尺度卷积神经网络算法的番茄叶片病害识别

打开文本图片集

摘要：为提高卷积神经网络识别番茄叶片病害准确率，提出多尺度卷积神经网络算法。首先番茄叶片图像分离为RGB通道，设计３个并行卷积层对番茄叶片图像进行卷积，不同通道使用不同的卷积核，增加了感受野以及提取不同层次的特征，小尺度卷积核主要是提取病斑区域，大尺度卷积核主要是增强特征多样性；接着混合池化方法即局部重要性池化和随机池化，局部重要性池化判别特征信息，丢弃冗余信息，极大地保存了病害区域的局部细节，随机池化增强了网络的泛化能力；然后番茄叶片图像通过中值滤波消噪，二维伽马自适应算法进行亮度矫正；最后损失函数采用多类别交叉熵，构建最小化目标损失函数。（剩余5729字）