基于深度学习与高光谱成像的蓝莓果蝇虫害无损检测

针对蓝莓果蝇虫害分类识别存在效率低、准确度差等问题,采用深度学习方法对采集的蓝莓高光谱图像进行数据处理与分析,以实现蓝莓果蝇虫害的无损检测.首先蓝莓高光谱图像采用PCA进行降维,优选数据集PC2与PC3并进行拼接得到最佳数据集PC23,对数据集中图像进行旋转90°、旋转180°、模糊、高亮、低亮、镜像和高斯噪声共7种增强操作,使各数据集容量扩增为原始容量的18倍.然后采用VGG16、InceptionV3与ResNet50深度学习模型对蓝莓果蝇虫害图像进行检测,均取得了较高的识别准确率.其中ResNet50模型效率最高,且ResNet50模型的准确率最高,达到92.92％,损失率最低,仅有3.08％,因此ResNet50模型在蓝莓果蝇虫害无损检测方面整体识别效果最佳.为了进一步提高蓝莓果蝇虫害无损检测性能,从ECA注意力模块、Focal Loss损失函数与Mish激活函数3方面对ResNet50模型进行了改进,构建了改进的im-ResNet50模型.得出im-ResNet50模型识别准确率达95.69％,损失率为1.52％.试验结果表明,im-ResNet50模型有效提升了蓝莓果蝇虫害识别能力.采用Grad-CAM分析了 im-ResNet50模型可解释性,能够快速、准确地无损检测蓝莓果蝇虫害.