基于DTS-ResNet的苹果叶片病害识别方法

摘要：

针对苹果叶片病害识别中传统卷积神经网络识别精度较低、收敛速度较慢等问题,提出了一种基于DTS-ResNet(ResNet based on dual transfer learning and squeeze-and-excitation block)的苹果叶片病害识别方法.该方法以 ResNet 为基础模型,将注意力机制与残差模块相结合作为骨干网络以强化网络对重要特征信息的提取能力、提高识别准确率,并采用双迁移学习的训练方式加快模型的收敛速度.实验结果表明,所提出的方法的识别准确率达到98.73％,能够较好地识别苹果叶片病害.相较于一些传统的卷积神经网络,该模型收敛速度更快,拟合效果更好,且具有更高的识别精度.

关键词：卷积神经网络、苹果叶片病害、双迁移学习、注意力机制

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划;贵州大学双一流研究重大项目

在线出版日期：2022-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：142-148