基于多尺度特征增强的轻量化黄瓜病害识别模型

作     者：李帅 薄敬东 龚瑞昆 崔传金 Li Shuai

作者机构：华北理工大学电气工程学院河北唐山063210 

出 版 物：《江苏农业科学》 (Jiangsu Agricultural Sciences)

年 卷 期：2024年第52卷第20期

页      面：267-276页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 080203[工学-机械设计及理论] 09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 0802[工学-机械工程] 090402[农学-农业昆虫与害虫防治] 

基　　金：河北省自然科学基金(编号:F2015209308-PT) 唐山市科技计划项目(编号:20150212C) 河北省高等学校科学技术研究项目(编号:ZD2016070) 河北省省级研究生示范课程建设项目(编号:KCJSX2021061) 

主　　题：黄瓜病害 图像识别 卷积神经网络 轻量化 多尺度特征增强 空域抑制 

摘      要：在复杂的背景环境下对农作物病害进行准确识别与分类,为农作物病害的诊断及防治提供可靠依据,具有重要经济意义。提出了一种新的网络模型——MeNet(multiscale enhance on me),用于对大田中黄瓜的8种形态(其中包含6种病害和鲜黄瓜、鲜叶)进行精准识别。该模型的设计包括适用于网络前端的特征增强模块,对原始图像进行像素级多尺度特征增强,从而提升模型的特征表达效率;运用特征挑选的思想进行后续的特征提取和增强,再加入基于空域抑制的SimAM注意力,进一步突出了显著特征,提高特征效用;运用逐点卷积对特征图进行通道间信息交互,再以全局平均池化总结特征图。结果表明,相较于其他模型,本研究的MeNet性能更为优越,在复杂背景病害数据集上,平均准确率达到92.38%,最高准确率达到了92.92%,而模型的参数量仅为0.33 M,浮点运算量仅为0.30 G,证明MeNet模型在图像识别领域具有实际应用的潜力和继续研究的价值。