计算机工程

作者：肖经纬, 田军委, 王沁, 程希希, 王佳

单位：西安工业大学 机电工程学院, 西安 710021

关键词：深度学习,残差网络,图像分类,果实病害,损失函数

基金：陕西省科技计划项目（2020NY-148）；西安市未央科技计划项目（201840，201920）。

传统的残差网络在果实病害分类中存在层数较多，以及在实际应用中有参数冗余的问题，且原始损失函数对具有相似特征的病害容易造成错误识别。为解决果害分类中参数过多及相似样本区分度低的问题，提出一种改进的残差网络结构，以降低残差块数量与卷积核数量来减少卷积层参数。同时，在原始损失函数中加入类间相似惩罚项来扩大不同类间距，以提高对病害的分类准确率。实验结果表明，相比原始的残差网络，改进后的残差网络降低约25%的参数量，改进后损失函数的识别准确率达到92.76%。

来源：2020年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第9期