基于孪生多尺度空洞胶囊网络的黄瓜叶部病害检测方法

在黄瓜叶部病害检测中，传统方法简单但检测正确率低，难以处理多种多样的病害叶片图像，深度卷积网络的检测正确率高，但依赖于大量训练样本，训练时间长。本研究提出一种基于孪生多尺度空洞胶囊网络(Siamese multi-scale dilated capsule network, SMSDCNet)的黄瓜叶部病害检测方法，该方法整合了孪生网络、空洞卷积网络和胶囊网络的优势，将多尺度空洞卷积模块Inception引入胶囊网络，作为孪生网络的子网络，构建孪生多尺度空洞胶囊网络模型，提取多尺度判别特征，再进行矢量化处理，最后经动态路由算法得到具有空间位置信息的胶囊向量，进行病害检测与识别。SMSDCNet克服了深度卷积网络需要大量训练样本、训练时间长以及对旋转和仿射变换敏感的问题，并且克服了多尺度卷积网络训练参数较多的问题。在一个较小的黄瓜病害叶片图像数据集上进行试验，病害检测精度达90%以上。结果表明，该方法能够实现小训练样本集的黄瓜叶部病害检测，为训练样本有限情况下的作物病害检测提供了一种新方法。