基于CA-MobileNet-V2的核桃病害识别与应用

作     者：李荣鹏 买买提·沙吾提 盛艳芳 何旭刚 LI Rongpeng;MAMAT Sawut;SHENG Yanfang;HE Xugang

作者机构：新疆大学地理与遥感科学学院新疆乌鲁木齐830017 新疆大学新疆绿洲生态重点实验室新疆乌鲁木齐830017 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830017 

出 版 物：《浙江农业学报》 (Acta Agriculturae Zhejiangensis)

年 卷 期：2023年第35卷第12期

页      面：2977-2987页

学科分类：09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 

基　　金：新疆自然科学计划(自然科学基金)联合基金项目(2021D01C055) 

主　　题：核桃病害 坐标注意力机制 混合迁移 安卓应用程序 

摘      要：病害侵袭是制约核桃优质发展的重要因素之一,为实现田间智能化病害识别,设计了一款核桃病害识别模型。该模型采用Mobilenet-V2作为基础网络骨架,在倒残差结构中添加坐标注意力机制,解决特征提取时位置信息缺失的问题。此外,设计混合迁移的训练方式,将跨域迁移和域内迁移相结合,避免单独迁移学习的不良影响。结果表明:1)混合迁移对模型提升效果最佳,准确率最高提升18.57百分点。2)模型平均识别准确率为96.97%,模型参数量为3.95 M,内存占有量为10.50 MB,相较于Mobilenet-V3-Large、ShuffulNet-V2和EfficientNet-V2-S,识别准确率分别提升4.39百分点、6.63百分点和4.31百分点,且保持较少的参数量与内存占有量。3)与SE(squeeze-and-excitation)模块、CBAM(convolutional block attention module)模块相比,坐标注意力机制更能提升模型对感兴趣区域的关注度。因此,该模型可用于开发安卓应用程序并部署于移动端,为核桃病害智能识别提供新方法。