基于改進VGG-16網絡模型的蘋果病害識別

趙慧勐，劉向舉，金彬峰

（安徽理工大學計算機科學與工程學院，安徽 淮南 232001）

0 引言

蘋果是我國重要的水果之一，截至2015 年，我國已成為世界最大的蘋果生產國，蘋果種植面積和產量均占世界50%以上.但在2021年6月，美國農業部（United States Department of Agriculture，USDA）發布報告稱“預計全球蘋果減產40%”［1］.據統計，蘋果病害目前有100多種，給農民造成了不同程度上的損失，當前發生最為嚴重的是花葉病、銹病、灰斑病、斑點落葉病以及褐斑病.這些病害極大地阻礙了蘋果的生長，降低了品質.如何及時有效地檢測識別蘋果病害，是當前研究的重點問題.

近年來，卷積神經網絡在圖像識別任務中取得了巨大的進展，并逐漸應用于植物病害識別領域，也為葉片病害識別和研究提供了一種新的方法，目前也收獲了眾多的研究成果.Wang［2］設計了一種基于輕量級的網絡結構MobileNetV2，通過數據增強方法放大原始因子數量，對少量數據集分類準確率有一些提升，但對于大的數據量準確率仍有待提高；梅瑩等［3］在對水稻害蟲識別的研究中，將VGG-16 的卷積層和池化層作為特征提取層，訓練時凍結部分卷積層，雖然可移植性強，但分類效率不高；汪泉等［4］對VGG16網絡進行改進，重組了卷積核排列，更好地適應高光譜分類任務，但增加了訓練時長；邱靖等［5］使用EfficientNet 構建水稻病害識別模型，并進行遷移學習，解決了病害識別中樣本不足問題，但識別效率并不是很高；Bin等［6］對殘差網絡（ResNet）模型進行了適當改進，并采用灰色共生矩陣作為特征訓練，取得了較好的分類效果，但對葉片進行了灰度預處理，并未考慮到顏色對識別精度的影響；何前等［7］使用LeNet-5 模型在公開數據集cifar 中進行圖像識別，但識別準確率還有待進一步提高；Yan 等［8］在VGG16模型的基礎上使用Adam 優化，但僅降低蘋果葉片病害識別中結構的復雜性，對分類準確率卻并不理想；郭小燕等［9］在ResNet50 中引入雙層注意力機制與通道特征提取機制設計一個基于全局特征提取的深度學習網絡，有效提升了網絡泛化能力與魯棒性，但耗時略長；吳云志等［10］在密集卷積網絡（Densely Connected Convolutional Networks，DenseNet）中引入Focal 損失函數來對植物病害進行識別分類，解決了梯度消失問題，但模型復雜度高，過程相對繁瑣；李鑫然等［11］通過特征金字塔網絡將圖像特征和語義信息進行融合，解決了蘋果葉片病害造成的像素偏差問題；Wang 等［12］設計了一種新的SubNet進行特征分割，采用點感知分類子網絡，提高分類精度，但并未考慮到圖像顏色對其識別準確率的影響；孟志超等［13］對VGG16 網絡模型進行結構調整，提出了Enhanced VGG16 網絡模型，提高了測試準確率，但訓練中準確率波動較大.

針對在蘋果病害識別過程中分類準確率不高這一問題，本文在卷積神經網絡模型的基礎上，對該網絡模型進行改進，以期構建一個準確、穩定適用于不同場景下的蘋果病害識別模型.

1 數據預處理

1.1 數據集的獲取

本文的蘋果葉片數據集是由西北農林科技大學制作，分別在西北農林科技大學白水蘋果試驗站、洛川蘋果試驗站和慶城蘋果試驗站進行采集，數據集主要是在晴天光線良好的條件下獲取，有部分圖像在陰雨天進行采集，不同的采集條件增強了數據集的多樣性.由于原始的病害圖像中有斑點落葉病411張、褐斑病435張、花葉病375 張、灰斑病370 張和銹病438 張，共計2 029 張圖像，其數量有限，無法滿足神經網絡訓練的條件.

為防止訓練數據不足造成的過擬合問題，同時為提高模型的泛化能力，本文在原數據集的基礎上通過對圖像預處理來增強樣本多樣性，對數據集進行擴展，從而提高模型魯棒性，滿足訓練過程中對樣本數量的要求.最終樣本數量分別為斑點落葉病4 521張、褐斑病4 785張、花葉病4 125張、灰斑病4 070張和銹病4 818張，共計22 319張圖片.蘋果葉片病害如圖1所示.

圖1 蘋果葉片病害

1.2 圖像預處理

在數據集獲取中，沒有對葉片病害圖像進行各個角度拍攝，使得數據單一化.因此，為提高模型的多樣性，對圖像進行旋轉變換以及翻轉等操作擴充數據集.

1.2.1 圖像旋轉和翻轉

圖像旋轉是指以圖像某一點為中心，順時針或逆時針旋轉一定的角度，從而形成一幅新的圖像.

圖像翻轉分為垂直翻轉和水平翻轉.垂直翻轉是指以圖像中的水平線為軸翻轉，即從上向下或從下向上180°翻轉；而水平翻轉則是以圖像中的垂直線為軸翻轉，即從左向右或從右向左180°翻轉.

1.2.2 光照因素調整

在圖像采集過程中，難免會受到各種因素的影響，其中天氣是影響圖像效果最主要的因素之一，而光照這一條件往往是最復雜的，不僅會影響圖片的亮度，還影響葉片的光澤和紋理等多方面.為提高模型的泛化能力，需要對模型進行不同光照條件下的拍攝，但這是比較困難的.于是根據原圖，通過調整銳度、飽和度、對比度及亮度，從而生成新的葉片圖像.

2 VGG-16網絡改進

當AlexNet 模型在2012 年的ImageNet 大賽上成為冠軍模型后，視覺幾何組（Visual Geometry Group，VGG）將卷積神經網絡進一步進行了改進，獲得了2014年ImageNet的亞軍結構.“VGG”隸屬于1985年成立的機器人研究小組，該小組研究范圍包括了機器學習到移動機器人.其中VGG-16是VGG Net中性能最好的網絡之一，相較于其他網絡模型，結構較為簡單，其網絡結構如圖2所示.

圖2 VGG-16網絡結構

2.1 增設BN層

大部分數據之間的關系都是非線性關系，而非線性單元的輸出分布形狀會在訓練過程中變化，無法消除方差偏移，從而造成梯度消失問題.而BN 層則是通過一定的方式，使得梯度變大，加快網絡的訓練和收斂的速度，防止過擬合.

2.2 池化層改進

池化層采取的是一種降采樣的方式，池化層會不斷地減小數據的空間大小，因此，在一定程度上起到降低過擬合的作用.但現在最大池化層大約去掉了75%的激活函數，導致空間信息損失，無法使用來自多層激活函數的信息.因此，文獻［13］在網絡模型的概念框架中提出將VGG-16模型結構中的最大池化層改為sort-pool2d結構，從而解決最大池化層中的問題.

將sort-pool2d應用到改進后的VGG-16模型中，為保證模型的穩定性，決定僅將最后兩個卷積塊中的最大池化層進行替換.這樣既可減少網絡參數，又能加強模型特征提取能力，同時又解決了最大池化層無法使用來自多層激活函數信息的問題.在VGG-16模型中加入BN層以及替換最大池化層后的網絡結構如圖3所示.

圖3 VGG-16-BN-sort網絡結構

3 結果與分析

3.1 實驗環境與參數設置

本文實驗環境為Windows 10 的64 位操作系統，并采用NVIDIA GeForce GTX 1050Ti 顯卡加速圖像處理，使用Python 語言，Tensorflow 框架進行搭建，最終通過Tensorboard 可視化輸出效果，其中Python 版本為Python 3.9，Tensorflow版本為2.0的GPU版本.

3.2 評估指標

準確率是指在分類過程中，分類正確的樣本占全部樣本的比例.本文主要以分類準確率（Accuracy）作為實驗的評估指標，模型準確率越高，說明模型分類效果就越好.下列公式中設計TP，FP，TN，FN這幾個參數，引入正、負例進行描述.設目標對象為正例，于是，其余的全為反例，TP（True Positive）分類器預測結果為正樣本，實際也為正樣本，即正樣本被正確識別的數量.FP（False Positive）分類器預測結果為正樣本，實際為負樣本，即誤報的負樣本數量.TN（True Negative）分類器預測結果為負樣本，實際為負樣本，即負樣本被正確識別的數量.FN（False Negative）分類器預測結果為負樣本，實際為正樣本，即漏報的正樣本數量.準確率的計算公式為

召回率即正確預測為正的占全部實際為正的比例，計算公式為

F1分數是準確率和召回率的調和平均值，它兼顧了分類模型的準確率和召回率，是用來衡量二分類模型精確度的一種指標，其范圍是0～1，值越大意味著模型越好.計算公式為

3.3 實驗結果對比

通過在數據集中對改進后的模型訓練及測試后，結果表明該模型具有較好的分類能力，其精確度達到96.67%.將原始VGG-16網絡與VGG-16-BN，VGG-16-sort，VGG-16-BN-sort網絡進行了準確率與損失函數的對比，如圖4和圖5所示.

圖4 Loss對比

圖5 Accuracy對比

由圖4和圖5可知，未加入BN層的曲線收斂較慢，在15個epoch后才趨于穩定，而加入BN層的模型曲線收斂得較快，在5個epoch就基本趨于穩定.實驗表明，在模型加入BN層后，能夠利用小批量上的均值和標準差，使網絡中間層參數服從于相同的分布，加快了網絡的訓練和收斂的速度，防止梯度爆炸及梯度消失，使模型變得更加穩定.

同時，為更直觀地驗證該模型在圖像分類可取得更好的結果，將本文所取的數據集應用在其他模型的訓練中，其中有ResNet，AlexNet，CaffeNet，GoogLeNet以及VGG網絡模型，結果如表1所示.

表1 在不同模型上的測試結果

由表1 可以看出，使用VGG-16-BN-sort 模型在訓練中其準確率有了一定的提高，同時召回率及F1分數也同樣得到了提高.結果表明，本文在VGG-16基礎上對其改進，使得模型在準確率、召回率及F1分數等方面取得了較好的結果，整體性能有了一定的提升.

為驗證改進后的模型對各類圖像的識別能力，表2為通過不同模型識別時得到的F1分數.

表2 在不同模型中的F1分數對比

由表2可知，VGG-16-BN-sort對病害類別的識別效果較好，F1分數同樣也略高于其他模型，整體識別能力較優.

4 結論

本文在VGG-16 模型的基礎上進行改進，生成了一個新的網絡——VGG-16-BN-sort，該網絡主要是將原始模型中后兩塊卷積層中的最大池化層替換為了sort-pool2d池化層.此外，為加快模型的訓練和防止模型訓練過擬合，在每一卷積層后增設了BN 層.通過實驗表明改進后的VGG-16 模型識別準確率高，泛化能力強，具有較強的圖像分類能力，數據集的準確率比未加入BN層前有較大的提升.