基于卷积神经网络的轻量级水稻叶片病害识别模型

水稻病害一直是影响水稻产量的重要因素之一，为了快速、准确地检测水稻病害，本研究提出了一种基于卷积神经网络的轻量级水稻叶片病害识别模型。首先，从参数量的角度对注意力机制进行改进，得到轻量级注意力机制模块，对水稻叶片病害特征图中的潜在注意力信息进行深度挖掘；其次，使用深度可分离卷积代替部分标准卷积，进一步降低模型的参数量；最后，为了提高模型的泛化能力，让模型学习过程更快、更稳定，采用了自带内部归一化属性的扩展型指数线性单元函数(SELU)与外部组归一化模块相结合的方法。通过在公共数据集中进行验证，本研究构建模型的平均精度最高(0.990 0),模型在参数量和平均单次迭代时间方面也有一定优势，与其他模型相比，具有相对较好的性能。