面向移动端的植物病害图像识别方法及其应用 |
| |
引用本文: | 杨祥,段军明,董明刚.面向移动端的植物病害图像识别方法及其应用[J].江苏农业科学,2023(4):191-197. |
| |
作者姓名: | 杨祥 段军明 董明刚 |
| |
作者单位: | 桂林理工大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金地区项目(编号:61563012);;广西自然科学基金(编号:2021GXNSFAA220074); |
| |
摘 要: | 针对传统卷积神经网络(CNN)在病害图像识别时需要较高的存储空间和计算资源问题,提出一种基于轻量级CNN植物病害图像识别网络CSP-ShuffleNet V2来降低识别成本。CSP-ShuffleNet V2模型基于ShuffleNet V2网络,首先,将卷积核大小由3×3改为5×5扩大病斑图像全局感受野;其次,采用CSPNet结构来改进网络特征层;最后,再引入通道注意力(ECA)模块用于增强图像病斑通道特征信息。采用AI Challenger平台提供的公共植物病害数据集进行训练和测试。试验结果表明,CSP-ShuffleNet V2网络模型识别准确率为90.34%,比原始ShuffleNet V2网络模型提高2.23%,参数量也减少29.6%,权重大小仅为13.5 MB。与ResNet50、MobileNet V2、GoogleNet、DenseNet121网络相比,CSP-ShuffleNet V2网络不仅降低了网络计算量和参数量,而且收敛速度更快、分类效果更好。最终将模型离线部署在Android平台实现了植物病害移动端智能检测,为植物病害防治和诊断提供参考依据。
|
关 键 词: | 卷积神经网络 植物病害 ShuffleNet V2 图像识别 CSPNet ECA |
|
|