[发明专利]一种基于卷积神经网络的荞麦病害识别方法

权利要求书

1.一种基于卷积神经网络的荞麦病害识别方法，其特征在于，包括以下步骤：

S1：构建荞麦病害识别模型，并训练所述荞麦病害识别模型；

S2：基于梯度下降算法和粒子群算法的结合优化所述荞麦病害识别模型的模型参数；

通过如下步骤优化荞麦病害识别模型的模型参数：

设有M个粒子，每个粒子有N维向量，第j个粒子的位置可以表示为w_i＝(w_i,1,w_i,2,...,w_i,N)^T，速度表示为v_i＝(v_i,1,v_i,2,...,v_i,N)^T；

S201：初始化M个粒子的位置和速度；

S202：计算各个粒子的适应度，并根据适应度更新w^*_j,d、w^*_d、g_j,d；

S203：通过以下公式更新每个粒子的位置和速度：

v_j,d^(k+1)＝εv_j,d^(k)+r₁η₁(w^*_j,d-w_j,d^(k))r₂η₂(w^*_d-w_j,d^(k)-η₃g_j,d^(k)；

w_j,d^(k+1)＝w_j,d^(k)+η₄v_j,d^(k+1)；

式中：s_j^(k)表示第j个粒子第k次计算后的损失函数；v_j,d^(k+1)表示第j个粒子的第d个维度在第k+1次计算后的速度；w_j,d^(k+1)表示第j个粒子的第j个维度在第k+1次计算后的位置，g_j,d^(k)表示第j个粒子的第d个维度的位置的梯度；ε表示惯性权重；r₁、r₂是介于[0,1]之间的随机数，η₁、η₂、η₃是对应部分的参数，可以是常数，也可以是公式；w^*_j,d表示第j个粒子的第d个维度在第k次计算后的最优位置；w^*_d表示所有粒子的第d个维度在第k次计算后的最优位置；j∈1,2,…,M，d∈1,2,…,N；

S204：判断是否达到最大迭代次数或全局最优位置满足最小界限：若满足停止条件，则停止计算并输出最优的模型参数；否则，返回步骤S202；

S3：获取待识别荞麦的荞麦叶图像；

S4：将所述荞麦叶图像输入经过优化的所述荞麦病害识别模型中，识别并输出对应的荞麦病害类型作为荞麦病害识别结果。

2.如权利要求1所述的基于卷积神经网络的荞麦病害识别方法，其特征在于，步骤S1中，基于vgg16网络构建所述荞麦病害识别模型；

具体通过如下步骤构建所述荞麦病害识别模型：

S101：对vgg16网络的卷积层进行分块，得到多个卷积块；

S102：去除vgg16网络的密集连接分类器层，得到对应的Conv_base网络；

S103：在Conv_base网络的顶部添加Dense层进行网络扩展；

S104：将Conv_base网络的最后一个卷积块与Dense层联合，得到对应的荞麦病害识别模型。