基于改进ShuffleNet V2的荔枝叶片病虫害图像识别 |
| |
引用本文: | 谢家兴,陈斌瀚,彭家骏,何培华,景庭威,孙道宗,高鹏,王卫星,郑代德,李君.基于改进ShuffleNet V2的荔枝叶片病虫害图像识别[J].果树学报,2023(5):1024-1035. |
| |
作者姓名: | 谢家兴 陈斌瀚 彭家骏 何培华 景庭威 孙道宗 高鹏 王卫星 郑代德 李君 |
| |
作者单位: | 1. 华南农业大学电子工程学院(人工智能学院);2. 岭南现代农业科学与技术广东省实验室茂名分中心;3. 广东省农情信息监测工程技术研究中心;4. 华南农业大学工程学院 |
| |
基金项目: | 财政部和农业农村部:国家现代农业产业技术体系(CARS-32-14); |
| |
摘 要: | 【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...
|
关 键 词: | 荔枝 叶斑症状 图像识别 ShuffleNet V2模型 模型参数 |
|