我校尊龙凯时人生就是博z6com与电气工程学院关海鸥教授指导的2020级硕士研究生于淼以第1作者 ，关海鸥教授为通讯作者在中科院分区3区SCI( IF:4.498 ) 期刊《EcologicalInformatics》在线发表了题为“Recognitionmethod of soybean leaf diseases using residual neural network basedon transferlearning”的研究论文 。(DOI ：http://doi.org/10.1016/j.ecoinf.2023.102096)

针对传统深度学习模型大豆病害识别准确率不高 ，化学分析操作过程繁杂且耗时费力 ，人工诊断易受主观因素影响等问题 ，本研究提出一种大豆病害识别的迁移学习残差网络模型 。首先 ，以获取的4个大豆病害类型（褐纹病 、褐斑病 、灰斑病和灰星病）为研究对象 ，利用图像校正 、图像分割 、区域标定以及数据增强等方法 ，对图像进行预处理和数据扩充 ，得到了大豆病害图像的数据集为53,250个样本 ，并按照7:2:1随机划分为训练集 、验证集和测试集 。然后 ，将基于ImageNet开放数据集的预训练模型的卷积层权重迁移到ResNet18模型的卷积层 ，并在其后重构全局平均池化层和全连接层 ，在本实验的数据集进行训练 ，获得了病害类型分类模型TRNet18 ，其在测试集上的病害类型识别准确率可达99.53% ，Macro-F1为99.54% 、平均识别时间为0.047184s 。相对于AlexNet 、ResNet18 、ResNet50和TRNet50 ，TRNet18模型 ，识别准确率平均提升了6.03% ，具有更高的分类准确率；Macro-F1平均提高了5.99% ，即模型病害类型识别的鲁棒性强 ，可为其他作物病害精确分类识别提供参考；模型识别时间上平均节省了16.67% ，能够快速获取识别结果 ，方便将模型移植到移动端进行病害类型识别 。

本研究得到了国家自然基金(31601220) 、黑龙江省自然基金(LH2021C062) 、黑龙江八一农垦大学三横三纵(TDJH202101和ZRCQC202006) 、黑龙江省博士后科研发展基金(LBH-Q20053)以及研究生创新科研项目(YJSCX2021-Y113)的资助 。