改进MobileNetV2算法的番茄叶片病害种类识别

摘要：

番茄叶片病害种类具有差异较小、肉眼难以辨别的特点.针对经典卷积神经网络参数多、计算量巨大、模型识别率较低以及预测误差较大等问题,提出一种改进MobileNetV2网络的病害识别方法.在适当的网络层加入通道和空间注意力机制增强网络对于病叶片特征的细化能力以及减少无关特征的干扰,使用Ghost模块替换原模型中部分倒残差块,保证模型精度的同时减少参数量.利用LeakyReLU激活函数保留特征图中更多的正负特征信息,增强模型的鲁棒性.在公共数据集PlantVillage选取早疫病,晚疫病,班枯病,细菌性溃疡病,红斑叶螨病,叶霉病,细菌性斑点病等10种番茄病叶片作为数据集进行实验.实验结果表明,改进MobileNetV2网络分类准确率达到98.57％,相较于原MobileNetV2,准确率提高了 2.29％,模型大小减小了 22.52％,优化效果较为显著.

关键词：MobileNetV2、注意力机制、Ghost模块、病害识别、图像分类、深度学习

所属期刊栏目：32

分类号：TP183;TP391.41;S436.634.1

资助基金：江苏省产学研合作项目BY2022460

在线出版日期：2023-01-16（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：385-391