一种基于SE-Inception的茄科疾病识别模型

A solanaceae disease recognition model based on SE-Inception

1、期刊信息

期刊名称：Computers and Electronics in Agriculture

2、研究思路

【1】采用了概念结构和多尺度特征提取模块，样本数据集包括4种疾病类别，包括粉虱、白粉病、黄黑穗病、棉花枯萎病。加入健康的叶子。

【2】为了减少过拟合，采用平移、旋转和翻转的数据增强方法对数据集进行扩展。

【3】实验表明，该模型的平均识别准确率为98.29%，模型大小为14.68兆字节。此外，为了验证该模型的鲁棒性，还在PlantVillage的公共数据集上进行了验证，提出的模型的前1名、前5名的准确率和大小分别为99.27%、99.99%和14.8 MB。

【4】实现了一个基于Android的茄科疾病图像识别系统。单幅照片的平均识别准确率为95.09%，识别时间为227 ms。构建的模型参数少，精度高，能够满足移动设备上疾病图像自动识别的需要。

3、研究介绍

【1】常见的分类器有支持向量机(SVM)(利兰等，2017，卡迈勒等，2018)，贝叶斯分类器(利兰等，2017，卡迈勒等，2018)，随机森林(涌泉等，2018)等等。

【2】Nachtigall等人(2016)利用AlexNet模型识别苹果叶片病害，识别准确率达到97.3%。数据集包含由6种已知疾病的2539幅图像组成的标记实例。