一种基于集成学习的小麦锈病分类方法

摘要

本发明公开了一种基于集成学习的小麦锈病分类方法，步骤1：在小麦返青期之后用多种设备收集小麦锈病图像；步骤2：预处理收集到的图像，利用数据增强技术进行样本扩充；步骤3：构建集成模型，集成多种不同结构的卷积神经网络，并利用快照集成方法进行模型的训练；步骤4：根据损失大小和使用的融合算法选择最优模型及模型参数；步骤5：将最优模型用于小麦锈病图像的识别分类。本发明可以结合不同卷积神经网络架构的优点对小麦锈病图像进行分类，利用bagging集成算法、快照集成方法和融合算法能够更快的选择出最好的模型，提高小麦锈病分类的准确率，解决叶锈病、茎锈病和条锈病难以区分的问题。