基于轻量级网络自适应特征提取的番茄病害识别 |
| |
引用本文: | 胡玲艳,周婷,刘艳,许巍,盖荣丽,李晓梅,裴悦琨,汪祖民.基于轻量级网络自适应特征提取的番茄病害识别[J].江苏农业学报,2022(3):696-705. |
| |
作者姓名: | 胡玲艳 周婷 刘艳 许巍 盖荣丽 李晓梅 裴悦琨 汪祖民 |
| |
作者单位: | 大连大学信息工程学院 |
| |
基金项目: | 国家自然科学基金青年基金项目(61601076); |
| |
摘 要: | 为了实现番茄病害的精准识别,本研究提出一种轻量级网络自适应特征提取方法。该方法首先对图片进行正形处理,然后基于SqueezeNet模型构建轻量级网络模型GKFENet。GKFENet模型包含全局特征提取和关键特征提取2个模块,其中全局特征提取模块逐层提取番茄病害叶片的全局特征,关键特征提取模块通过学习评估出特征图各通道的重要程度,计算出权重值,最后将该值加权到原特征图上,从而实现病害关键特征的自适应提取。结果显示,正形机制有助于神经网络学习特征,本研究构建的GKFENet模型的平均识别准确率为97.90%,模型大小仅为2.64 MB,且在强噪声环境下,其识别准确率仍能保持在78.00%以上。GKFENet模型在训练过程中相对稳定,对8种番茄病害的识别准确率均超过96.00%。相比Bayes、KNN、LeNet、SqueezeNet、MobileNet模型,本研究构建的GKFENet模型的识别精度高,稳定性强且占用内存小,对于移动端未来的应用具有较高的实际价值。
|
关 键 词: | 轻量级网络 正形机制 特征提取 番茄 病害识别 |
|
|