[发明专利]基于改进VGG19网络的玉米5种旱情识别方法

说明书

本发明涉及神经网络、农作物旱情评估等技术，为提出一种基于改进的VGG19网络模型的玉米旱情识别方法,对玉米旱情状况做出判断，为防止玉米干旱提供可靠性保证，保证玉米正常生长，水分充足。为此，本发明采取的技术方案是，基于改进VGG19网络的玉米5种旱情识别方法，通过VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的归一化指数SoftMax的分类器进行分类，对模型进行训练并进行测试。本发明主要应用于农作物旱情评估场合。

技术领域：

本发明属于神经网络领域，特别涉及卷积神经网络。具体讲，涉及玉米图像预处理和基于卷积神经网络的玉米旱情识别方法。

背景技术：

干旱现象破坏力强，持续周期长，是人们从古至今在农业生活中面临的主要问题。干旱本身作为一种复杂的现象难以直接观测其发生时间、发展过程以及影响范围。作物在干旱胁迫情况下，根据受旱状态和程度会导致作物的形状和状态发生变化。

通过人工神经网络对作物旱情进行识别与传统通过机器学习方法对训练样本进行训练相比具有更为独特的优势：(1)初始识别能力强；(2)泛化能力强；(3)不依靠专业知识；(4)能对干旱水平进行分类。因此，通过神经网络对作物进行旱情识别有更广泛的发展空间和应用前景。

然而，对玉米旱情进行识别仍面临较大的挑战，主要有以下几个方面：

1.经典模型初始识别能力往往很强，但后期进行推广时泛化能力差，随着新样本逐渐加入，模型分类效果逐渐下降；

2.经典模型往往仅停留在是否存在旱情的程度，无法对干旱水平进行有效分类；

3.受拍摄位置、角度、光照等条件影响，图像质量不高。

上诉的几种因素对玉米旱情识别造成了很大的困难，所以，本发明提供了一种基于改进的VGG19网络模型的玉米旱情识别方法，VGG(Visual Geometry Group，视觉几何组)网络体系由牛津大学科学工程系集合视觉组提出，19代表卷积层和全连接层的层数。通过该发明，可以有效对玉米旱情进行识别与分类，并对光照、拍摄位置等有较强的鲁棒性。

发明内容

为克服现有技术的不足，本发明旨在提出一种基于改进的VGG19网络模型的玉米旱情识别方法,对玉米旱情状况做出判断，为防止玉米干旱提供可靠性保证，保证玉米正常生长，水分充足。为此，本发明采取的技术方案是，基于改进VGG19网络的玉米5种旱情识别方法，通过VGG19人工神经网络建立作物旱情识别模型，通过迁移学习的方法将参数共享到该模型中，优化全连接层的层数和参数，在全连接层后用5分类的SoftMax(归一化指数)的分类器进行分类，对模型进行训练并进行测试。

具体步骤细化如下：

步骤1对图像进行预处理：

(1)将玉米图像大小从640×480缩放为197×197后再对图像进行0.75-1.25倍随机缩放；

(2)随机旋转图像15度；

(3)对颜色通道进行随机转换；

(4)对图像水平方向随机翻折

(5)对图像进行归一化处理；

步骤2迁移学习：

VGG19网络通过100万幅图像的数据库训练得到，将一层层网络中卷积层和池化层每个节点的权重从一个训练好的网络迁移到一个全新的网络中，迁移之后的网络称为预训练模型，在预训练模型的基础上进行优化，解决玉米旱情识别问题；

步骤3冻结中间层：

冻结卷积层和池化层，其中，卷积结果计算公式如下：