基于多尺度特征融合的轻量化苹果叶部病理识别

摘要：

苹果叶部病害的发生极大地影响了苹果的品质和产量,对病害的监测是确保苹果产业健康发展的重要措施.在ResNet结构基础上,提出了一种基于多尺度特征融合的轻量化病害识别模型.首先,采用特征融合机制,提取并融合网络高低维特征,加强卷积层之间语义信息的传递,增强识别细微病斑的能力.其次,加入多尺度深度可分离卷积,利用多尺度卷积核结构对不同尺度的病害特征进行提取,提高特征的丰富度,同时约束模型的参数量.最后,为验证所提模型的有效性,采用一个包含5种苹果叶部病害数据集进行了实验.实验结果表明,该模型取得了98.05%的识别准确率,模型参数量和计算量仅为4.02 MB和0.92 GB,与其他模型相比同样具有优势,可为农业自动化精准识别病虫害提供新的方案.

关键词：图像处理、深度学习、病害识别、多尺度、轻量化、ResNet

所属期刊栏目：60

分类号：TP181;S432;TP391.41(自动化基础理论)

资助基金：国家自然科学基金;贵州大学人才引进科研项目;教育部工程研究中心;贵州科技计划项目;贵州科技计划项目;国家重点研发计划

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：89-97