浅谈 CNN 在猕猴桃叶部病害识别中的应用及发展

白 文丽
重庆三峡学院

摘要

为解决传统的猕猴桃叶部病害识别方法中特征提取主观性强及误识率高的问题，提出利用卷积神经网络对猕猴
桃叶部病害进行识别。介绍几种经典网络，并在传统网络的基础上进行改进，本文以 ResNet34 为基础构建病害识别模型，
使用迁移学习方法的经过海量数据训练的预训练模型减少算力压力并增强模型鲁棒性，采用卷积神经网络框架和残差网
络对猕猴桃叶部叶片病害图像进行分析与应用，具有重要的实际意义和应用前景。

关键词

卷积神经网络；猕猴桃叶部；病害识别；改进 ResNet34 结构

参考

[1] 谭思荣, 陈豆, 赵忠喜, 胡兴娥. 猕猴桃抗氧化活

性研究进展[J]. 食品工业, 2022, 43(10):231-235. [2] LATOCHA P.The nutritional and health benefits of

kiwiberry(Actinidia arguta)- A review[J]. Plant Foods Hum

Nutr, 2017. 72:325-334. [3] KRIZHEVSKY A, SUTSKEVER I, HINTON G E.深

度卷积神经网络的图像网络分类[J].化学通报, 201760

(6)84-90. [4] SZEGEDY C, LIU W, JIA Y Q,et al. Going deeper with convolutions[C]/2015 IEEE Conference on Computer Vision and Pattern Recognition, Boston, USA, 2015: 1-9. [5] WANG F,JIANG M Q,QIAN C, et al. Residual attention network for image classification[C]/2017 IEEE

Conference on Computer Vision and Pattern Recognition, Honolulu, USA, 2017:6450-6458.