基于坐标注意力机制和残差网络的水稻叶片病虫害识别 |
| |
引用本文: | 廖媛珺,杨乐,邵鹏,余小云.基于坐标注意力机制和残差网络的水稻叶片病虫害识别[J].福建农业学报,2023(10):1220-1229. |
| |
作者姓名: | 廖媛珺 杨乐 邵鹏 余小云 |
| |
作者单位: | 1. 江西农业大学计算机与信息工程学院;2. 江西省高等学校农业信息技术重点实验室 |
| |
基金项目: | 国家自然科学基金项目(61862032);;江西省自然科学基金项目(20202BABL202034); |
| |
摘 要: | 【目的】针对在自然条件下水稻叶片病虫害的识别效率不高、准确率较低的问题,探索基于ResNet深度学习网络的水稻叶片病虫害识别模型(ResNet50-CA)。【方法】在ResNet-50的残差卷积模块下引入坐标注意力机制(CA),采用LeakyReLU激活函数替代ReLU激活函数,使用3个3×3的卷积核替换ResNet-50模型首层卷积层中的7×7卷积核。【结果】在使用传统卷积神经网络进行水稻叶片病虫害研究发现,ResNet-50能够较好地平衡识别准确率和模型复杂度之间的关系,因此选择在ResNet-50网络模型的基础上加以改进。使用改进后的网络通过微调参数进行水稻叶片病虫害对比性能试验,研究发现在批量样本数为16和学习率为0.000 1时,ResNet50-CA获得最高的识别准确率(99.21%),优于传统的深度学习算法。【结论】改进后的网络能够提取出水稻病虫害更加细微的特征信息,从而取得更高的识别准确率,为水稻叶片病虫害识别提供新思路和方法。
|
关 键 词: | 深度学习 ResNet50 水稻病虫害识别 坐标注意力机制 |
|