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：https://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)、bat365官网登录入口三横三纵(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。