30、基于自动机器学习的茶树害虫分类与雷暴服务决策支持技术

基于自动机器学习的茶树害虫分类与雷暴服务决策支持技术

茶树害虫分类技术

在当今时代，随着计算资源的不断增加，卷积神经网络蓬勃发展，其凭借卓越的性能逐渐取代了传统的手工特征提取方法。近年来，机器学习领域的研究人员致力于实现机器学习或深度学习过程的自动化，并取得了惊人的成果。

为了构建茶树害虫识别系统，我们提出使用通过渐进式神经架构搜索（Progressive Neural Architecture Search，PNAS）这一自动机器学习方法得到的卷积神经网络。同时，我们选取了当前流行的神经网络，如ResNet及其变体模型（ResNeXt和Inception - ResNet）进行对比。

• PNASNet ：由Liu等人提出，它从Zoph等人提出的NASNet演变而来。在与NASNet相同的搜索空间中，通过逐步增加单元中块的数量来探索架构，其中块和单元的数量是超参数。在搜索过程中，使用带有长短期记忆（LSTM）的循环神经网络（RNN）构建预测器。其整体搜索过程如下：

  1. 初始候选集由包含一个块的单元组成。
  2. 对这些单元进行训练，并使用验证结果更新预测器。
  3. 在每次迭代中，扩展每个单元以生成新的候选单元集。
  4. 预测器对这些候选单元进行评分，并选择前K个单元更新候选集。
  5. 在验证集上对候选单元进行训练和验证，以更新预测器。

• ResNet ：神经网络中不同层次的卷积层能够有效提取图像中不同层次的特征。较