基于多尺度特征融合和注意力机制的辣椒病害识别模型
作者机构:河南农业大学信息与管理科学学院
出 版 物:《河南农业大学学报》 (Journal of Henan Agricultural University)
年 卷 期:2024年
学科分类:09[农学] 0904[农学-植物保护] 090401[农学-植物病理学]
基 金:河南省研究生教育改革与质量提升工程项目(YJS2023AL046) 河南省现代农业产业技术体系(编号:S2010-01-G04)
主 题:辣椒病害 图像分类 SE注意力机制 深度可分离卷积 多尺度特征融合
摘 要:【目的】设计MobileNetwithLargeconvolutionUnit(Mobile-LU)模型,解决由于辣椒病害种类复杂和类间差异不明显而造成的病害识别困难、准确率低等问题。【方法】重新构建MobileNetV3的特征提取层,在并行分支单元结构中采用不同尺度的分离卷积,增强模型对辣椒病害尺寸差异特征的表达能力;引入Squeeze-and-Excitation(SE)注意力机制,加强模型对病害相关的特征的学习,提高病害识别准确率;同时使用LeakyReLU激活函数,在负值区域引入小的斜率,避免网络神经元死亡问题;调整输出层节点个数,更好适应辣椒病害分类任务。【结果】Mobile-LU模型的识别准确率达到98.2%,相较于 MobilenetV3-small、ResNet34、VGG16、Alexnet、Swin Transformer、MobileVIT等模型分别高出8.9、7.3、4.4、20.4、6.0、8.3个百分点,且Mobile-LU模型在精确率、召回率、特异度以及F1分数等关键性能指标上也均有优势。【结论】Mobile-LU模型对辣椒病害的识别性能更优,能更好满足辣椒病害识别任务。