基于改进ShuffleNet V2的荔枝叶片病虫害图像识别

【目的】探索及时、准确识别危害荔枝叶片病虫害的方法，做好防护和治理工作。【方法】以常见荔枝叶片病虫害图像为研究对象，针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点，对ShuffleNet V2模型进行相应改进。首先，采集荔枝5类叶片病虫害制作数据集，采用数据增强操作构建更加丰富的数据集；其次，在网络特征提取模块采用混合空洞卷积，避免传统卷积在下采样过程中造成图像分辨率降低及信息丢失；然后，通过嵌入轻量型通道注意力模块ECA(efficient channel attention)，增进特征图之间相互依赖关系。此外，删减模型中不必要的层数和通道数，降低模型的参数量及运算量。【结果】研究所改进模型在5类荔枝病虫害图像(毛毡病、炭疽病、煤烟病、叶瘿蚊、藻斑病)中达到了99.04%的识别准确率，比原网络ShuffleNet V2高出2.55%。相较于经典网络AlexNet、ResNet-18、DenseNet和MobileNet V2等，改进模型不仅有着更高的识别准确率，并且改进后模型参数量仅为0.059×10⁶，为原模型的4.92%，浮点运算量仅为0.183×1...