基于轻量化VGG的植物病虫害识别
作者:王江晴; 冀星; 莫海芳; 帖军; 刘畅
更新时间:
深度神经网络模型在植物病虫害识别中得到了广泛的应用,并取得了巨大的成功。与此同时,这些网络的计算复杂性和参数也在增加,这将对神经网络的部署构成重大挑战,尤其是在硬件资源有限或实时应用有限的设备中。为了解决这个问题,提出了一种轻量级的害虫识别模型。结合Ghost模块,对VGG16进行了改进,减少了模型卷积层的卷积核数,引入了Ranger优化器。实验结果表明,该模型在PlantVillage数据集上的精度为99.37%,FLOPs为88.45米,比VG和G16低71.86%,收敛速度较快。在复杂环境下,该模型的准确率为92.40%,识别时间为VGG16的50%。