基于快照集成卷积神经网络的苹果叶部病害程度识别

针对苹果叶部苹果病害程度识别精度低的问题，构建了基于快照积分法的苹果叶片病害程度识别模型。首先，采用多种数字图像处理技术对原始苹果叶片病害图像进行增强。然后，选取Inception ResNet V2作为基础模型，引入CBAM模块提高网络的特征提取能力，使用focus 损失函数来缓解苹果叶部疾病数据集的类别不平衡。最后，采用快照积分法对模型进行积分，得到疾病程度识别模型。利用苹果黑星病和rust的早期和早期疾病数据集对该模型进行了验证，准确率高达90.82%，比单一Inception－ResNet　V2模型高2.50个百分点。实验结果表明，基于快照集成的识别模型具有较高的准确率，为苹果叶部疾病程度识别的研究提供了参考。