基于改进卷积神经网络算法的番茄叶片病害识别

为了提高番茄叶片病害识别的效果，提出改进卷积神经网络算法。首先Sobel算子获得水平方向、垂直方向、45°、135°对角方向的4个通道图像，四通道卷积神经网络采用不同大小的卷积核提取图像特征；接着双重注意力机制包括空间注意力、通道注意力，空间注意力包括局部注意力机制、全局注意力机制，局部注意力机制注意图像的局部特征，全局注意力机制注意图像的整体特征，空间注意力使用局部-全局交替注意力；通道注意力主要进行加强番茄叶片图像的有用特征抑制无用特征；然后通过K-means聚类方法划分出病害聚类区；最后给出了算法流程。试验仿真结果显示本研究算法对番茄叶片病害黄叶卷曲病、花叶病、蜘蛛螨病、七星斑病、叶霉菌病、早疫病识别准确率平均值分别为98.51%、97.92%、96.71%、94.12%、94.63%、94.22%,高于其他算法，同时消耗时间少于其他算法。