基于注意力机制和残差网络的苹果叶片病害分类 |
| |
引用本文: | 吴刚正,蔡成岗,朱瑞瑜.基于注意力机制和残差网络的苹果叶片病害分类[J].江苏农业科学,2023(18):177-185. |
| |
作者姓名: | 吴刚正 蔡成岗 朱瑞瑜 |
| |
作者单位: | 浙江科技学院生物与化学工程学院/浙江省农产品化学与生物加工技术重点实验室 |
| |
基金项目: | 浙江省重点研发计划(编号:2020C02038); |
| |
摘 要: | 苹果叶片病害的高效准确识别有助于合理使用杀虫剂、肥料等农业资源,进而保证苹果的产量与质量。为提高苹果叶片病害识别的准确率,提出一种残差网络与注意力机制结合的苹果叶片病害识别模型:P-D-ECA-ResNet101。首先构建苹果叶片病害数据集,然后使用常见的4种网络模型在构建的数据集上进行训练,选取训练效果最好的ResNet101为骨干网络模型,通过推迟下采样(delayed downsampling)、拆解大卷积层以及引入高效通道(efficient channel attention module, ECA)注意力模块对ResNet101网络模型进行优化,最后通过特征图可视化展示改进后网络模型的识别机制。试验结果表明,推迟下采样可以增强模型特征提取能力,拆解大卷积层可以有效减少模型的复杂度,引入ECA注意力模块可以削弱无效特征信息对模型的干扰。改进后的P-D-ECA-ResNet101模型在构建的苹果叶片病害测试集上的平均识别准确率达到96.20%,相较于原模型ResNet101提升了2.20百分点。特征图可视化分析表明改进后的P-D-ECA-ResNet101模型可以更好地聚焦于病...
|
关 键 词: | 苹果叶片病害分类 注意力机制 特征提取 残差网络 P-D-ECA-ResNet101 |
|
|